Embed Size (px)
Citation preview
ISRN-nr: LIU-IEI-FIL-A--15/02067--SE
Minskar handel den ekonomiska ojämlikheten i
utvecklingsländer? En studie över tidigare europeiska kolonier med kust
Does Trade Reduce Economic Inequality in Developing Countries? A Study on Former European Colonies with Coastal Lines
Författare:
Elin Fredriksson
Hélène Sjöberg
Vårterminen 2015
Handledare: Ali Ahmed
Examensarbete i nationalekonomi, Internationella civilekonomprogrammet
Institutionen för ekonomisk och industriell utveckling
ii
Titel:
Minskar handel den ekonomiska ojämlikheten i utvecklingsländer? – En studie över tidigare europeiska kolonier
med kust
English title:
Does Trade Reduce Economic Inequality in Developing Countries? – A Study on Former European Colonies
with Coastal Lines
Författare:
Elin Fredriksson
Hélène Sjöberg
Handledare:
Ali Ahmed
Publikationstyp:
Examensarbete i nationalekonomi
Internationella civilekonomprogrammet
Avancerad nivå, 30 högskolepoäng
Vårterminen 2015
ISRN-nummer: LIU-IEI-FIL-A--15/02067--SE
Linköpings universitet
Institutionen för ekonomisk och industriell utveckling (IEI)
www.liu.se
iii
Sammanfattning
Handel och dess konsekvenser för samhället är ett omdiskuterat ämne inom såväl den
ekonomiska forskningen som inom den politiska debatten. Diskussionen utgörs av starka
motsättningar och bristen på konsensus riskerar att leda till felaktiga politiska beslut. Alltfler
handelsavtal implementeras och utvecklingsländers roll på den globala marknaden blir allt
större. Det är således av ökad betydelse att utreda handelns faktiska konsekvenser. Syftet med
denna studie är därför att analysera hur handel påverkar den ekonomiska ojämlikheten i
utvecklingsländer. Studien utgår från hypotesen att en ökad handel leder till en minskad
ekonomisk ojämlikhet vilket är i enlighet med klassisk nationalekonomisk teori. Studien
utfördes genom en ekonometrisk analys där en paneldataregression på 41 länder över 23 år
skattades. Gini-index användes som beroendevariabel, medan handelsflöde samt sju
kontrollvariabler utgjorde förklarande variabler. För att minska risken för heterogenitet i
urvalet begränsades de studerade länderna i huvudsak till forna europeiska kolonier med kust.
Resultatet från studien indikerar att en ökad handel leder till en minskad ekonomisk
ojämlikhet. Resultatet bör dock beaktas med försiktighet med anledning av statistiskt icke-
signifikanta effekter. Studien finner dessutom att förekomst av korruption är av betydelse när
sambandet mellan handel och ekonomisk ojämlikhet undersöks.
Nyckelord: Handel, Fattigdom, Ekonomisk ojämlikhet, Utvecklingsländer, Tillväxtländer, Utvecklingsekonomi.
iv
Abstract
The impacts of trade on the society are a common subject of debate, both in the research field
of economics and in the political debate. The lack of consensus poses a risk in political
decision-making. New trade agreements are being implemented while the role of developing
countries is growing on the global market. Hence, there is an increasing importance of
examining the actual impacts of trade. This study, therefore, analyses the impact of trade on
the economic inequality in developing countries. This study hypothesizes that trade decreases
inequality, which is in accordance with classical economic theory. Using a panel data
regression on 41 countries over 23 years, this study examines how Gini index interacts as the
dependent variable with trade flow and seven control variables. The countries studied are
mainly limited to former European colonies with coastal lines to reduce the risk of
heterogeneity within the sample. This study finds that trade reduces inequality, although the
result should be interpreted with care due to statistically insignificant effects. This study also
finds that presence of corruption is of importance when the relationship between trade and
inequality is examined.
Keywords: Trade, Poverty, Inequality, Developing countries, Emerging countries, Development Economics.
v
Förord
Denna uppsats i nationalekonomi om 30 högskolepoäng skrevs på Linköpings universitet
under vårterminen 2015. Uppsatsen är ett examensarbete inom ramen för det Internationella
civilekonomprogrammet.
Vi vill först och främst tacka vår handledare Ali Ahmed som med stort engagemang väglett
oss genom processen att utforma vår uppsats. Ett stort tack vill vi även ge till vår
seminariegrupp: Hanna, Lisa, Elsa, Erla, Fredrik och Oscar för er konstruktiva kritik som
varit till stor hjälp under processens gång.
Ett stort tack vill vi också framföra till Inger Asp som gett oss en hjälpande hand med den
ekonometriska metoden. Sist men inte minst tackar vi Linköpings universitet samt Göran
Hägg, studierektor i nationalekonomi.
Linköping den 26 maj, 2015.
Elin Fredriksson och Hélène Sjöberg.
vi
Innehållsförteckning
Tabellförteckning ................................................................................................................... vii
Figurförteckning ..................................................................................................................... vii
Förkortningslista ................................................................................................................... viii
1. Inledning ............................................................................................................................... 1
1.1. Bakgrund och problemdiskussion ................................................................................................ 1
1.2. Syfte ............................................................................................................................................. 3
1.3. Genomförande .............................................................................................................................. 3
1.4. Avgränsning ................................................................................................................................. 4
1.5. Forskningsbidrag .......................................................................................................................... 4
1.6. Etik ............................................................................................................................................... 4
1.7. Disposition ................................................................................................................................... 4
2. Teori och tidigare forskning ................................................................................................ 6
2.1. Klassisk nationalekonomisk teori ................................................................................................ 6
2.2. Forskning angående handel och ekonomisk ojämlikhet .............................................................. 7
3. Metod ................................................................................................................................... 12
3.1. Länder ........................................................................................................................................ 12
3.2. Tidsperiod .................................................................................................................................. 13
3.3. Data ............................................................................................................................................ 13
3.4. Variabler .................................................................................................................................... 14
3.5 Ekonometrisk metod ................................................................................................................... 16
4. Deskriptiv statistik ............................................................................................................. 19
5. Resultat och analys ............................................................................................................. 30
5.2. Känslighetsanalys ....................................................................................................................... 37
6. Diskussion ........................................................................................................................... 39
7. Slutsats ................................................................................................................................. 42
Referenser ............................................................................................................................... 43
Bilaga A – Kuznetskurvan ..................................................................................................... 48
Bilaga B – Länder i enlighet med DAC:s lista ..................................................................... 49
Bilaga C – Lorenzkurvan ...................................................................................................... 51
Bilaga D – Korrelationsmatris för oberoende variabler ..................................................... 52
vii
Tabellförteckning
Tabell 1 – Inkluderade länder ................................................................................................... 13
Tabell 2 – Översikt över variabler ............................................................................................ 14
Tabell 3 – Deskriptiv statistik per variabel .............................................................................. 19
Tabell 4 – Skattningar exklusive variabeln Korruption ........................................................... 30
Tabell 5 – Skattningar inklusive variabeln Korruption ............................................................ 33
Tabell 6 – Resultat från känslighetsanalys ............................................................................... 38
Tabell 7 – Mottagare av ODA i enlighet med DAC:s lista ...................................................... 49
Tabell 8 – Korrelationsmatris för oberoende variabler ............................................................ 52
Figurförteckning
Figur 1a – Utvecklingen för Ginikoefficienten samt handelsflödet för respektive land. ......... 22
Figur 1b – Utvecklingen för Ginikoefficienten samt handelsflödet för respektive land. ......... 25
Figur 1c – Utvecklingen för Ginikoefficienten samt handelsflödet för respektive land. ......... 28
Figur 2 – Kuznetskurvan .......................................................................................................... 48
Figur 3 – Lorenzkurvan ............................................................................................................ 51
viii
Förkortningslista
DAC Development Assistance Committee
EU European Union, Europeiska Unionen
FDI Foreign Direct Investment, utländsk direktinvestering
FEM Fixed Effects Model
ODA Official Development Assistance
OECD Organization for Economic Cooperation and Development
OLS Ordinary Least Squares
REM Random Effects Model
SWIID The Standardize World Income Inequality Database
TTIP Transatlantic Trade and Investment Partnership
UNESCO United Nations Educational, Scientific and Cultural Organization
USD US Dollars, amerikanska dollar
VB Världsbanken
WDI World Development Indicators
WGI The Worldwide Governance Indicators Project
WTO World Trade Organization
1
1. Inledning
1.1. Bakgrund och problemdiskussion
Inom klassisk nationalekonomisk teori ses handel som ett effektivt verktyg för utveckling och
bekämpning av fattigdom. I verkligheten är dock handel en politiskt laddad fråga präglad av
motsättningar mellan förespråkare av frihandel och förespråkare av protektionism. De
politiska oskiljaktigheterna reflekteras inte minst i debatten angående de pågående
förhandlingarna om ett handelsavtal mellan EU och USA.1
Inte heller inom forskningen råder konsensus om de effekter som en friare handel medför.
Trots detta har handeln under de senaste decennierna ökat i såväl ekonomisk som geografisk
omfattning. År 1995 skapades World Trade Organization (WTO) i sin nuvarande form vilket
bidrog till en tydligare handelspolitik där frihandeln sattes i fokus (WTO, 2015a). Ett exempel
på frihandelns betydelse är att världshandeln med varor ökade med 170 procent under
perioden 1995 till 2009 (Kommerskollegium, 2009). Därtill inkluderas alltfler
utvecklingsländer i världshandeln och deras roll på den globala marknaden blir därmed av allt
större betydelse. Cirka två tredjedelar av WTO:s medlemmar är utvecklingsländer och år
2013 stod utvecklingsländer för 43 procent av världens aggregerade varuhandel (WTO,
2014a). WTO:s initiativ Doha-rundan och arbetsprogrammet Aid for Trade är andra aktuella
exempel där utvecklingsländers roll på marknaden är i fokus (WTO, 2015b; 2015c).2
De politiska motsättningar som föreligger kring handelns betydelse för samhället medför dock
risker. Under 2014 uppstod ett låst läge i WTO orsakat av Indiens blockering av Bali-
överenskommelsen.3 Det låsta läget resulterade i en kris som löstes i slutet av samma år, men
satte såväl trovärdigheten för WTO som det multilaterala handelssystemet på spel
(Kommerskollegium, 2014). När en organisation som syftar till att förhandla fram
handelsavtal inte uppnår konsensus bland sina medlemmar är det givet att trovärdigheten för
1 Handelsavtalet går under benämningen Transatlantic Trade and Investment Partnership, mer känt som TTIP
(Regeringskansliet, 2015). 2 Doha-rundan (Doha Development Agenda) är WTO:s senaste förhandlingsrunda som ägde rum i Doha, Qatar, år 2001 med
utveckling och utvecklingsländers intressen i fokus. Aid for Trade är ett arbetsprogram inom WTO som grundades 2005 med
syfte att underlätta inkluderandet av utvecklingsländer i världshandeln (WTO, 2015c). 3 Bali-överenskommelsen är den första stora överenskommelsen som nåtts inom WTO sedan organisationen bildades 1995.
Överenskommelsen omfattar förenklade handelsprocedurer, jordbruksfrågor samt utvecklingsfrågor (Kommerskollegium,
2013).
2
organisationen minskar. Inte minst när dess tre grundpelare består av tvistlösning,
övervakning samt förhandling som alla är centrala delar för ett fungerande multilateralt
handelssystem (WTO, 2014b). Under ett krismöte sommaren 2014 uttryckte WTO:s
generaldirektör Roberto Azevêdo en oro för att små och mindre utvecklade ekonomier skulle
komma att skadas om multilaterismen övergick i plurilateralism.4
Orsaken är att små
ekonomier har sämre förutsättningar att skapa handelsavtal med varandra i jämförelse med
vad stora och starka ekonomier har (WTO, 2014b).
Parallellt med diskussionen om frihandel och handelsavtal pågår debatten om ökade klyftor i
samhället (Oxfam, 2014). I ett flertal länder tenderar den ekonomiska ojämlikheten att öka
vilket är fallet i exempelvis Bangladesh och Indonesien (Solt, 2014). En ökning som pågår
trots att andelen av världens befolkning som lever i extrem fattigdom minskade med mer än
hälften under perioden 1990 till 2010 (Världsbanken, VB, 2015b).5 En utveckling som till
synes går åt rätt håll, men som nu riskerar att stagnera på grund av allt större ekonomiska
klyftor i samhället (Todaro och Smith, 2011).
En av de risker som föreligger med hög ekonomisk ojämlikhet baseras på den ekonomiska
ineffektiviteten som därmed råder. Ekonomisk ineffektivitet orsakas av att den fattiga delen
av befolkningen inte har tillräckliga monetära resurser för att kunna ta lån och därför varken
kan investera i utbildning eller etablera företag (Todaro och Smith, 2011). Vid hög ekonomisk
ojämlikhet är således den del av befolkningen som inte tar lån förhållandevis stor.
Konsekvensen är en avstannande tillväxt och en negativ trend som är svår att vända (Todaro
och Smith, 2011).
Ytterligare ett problem med ekonomisk ojämlikhet är att den politiska makten tenderar att
allokeras hos den rika delen av befolkningen. Maktallokering ger utrymme för korruption
vilket i sin tur leder till en svagare stabilitet och solidaritet i samhället. Ett samhälle präglat av
social hierarki och brist på tillit genererar även en högre kriminalitet (The Equality Trust,
2015). Följaktligen tenderar svaga institutioner att förbli svaga och den ekonomiska
utvecklingen riskerar att avstanna även ur denna aspekt (Todaro och Smith, 2011). Det
4 I WTO-sammanhang avser multilateralism avtal som berör samtliga medlemsländer inom WTO. Plurilateralism avser avtal
som enbart omfattar ett begränsat antal medlemsländer (Kommerskollegium, 2015). 5 Enligt VB (2015) innebär extrem fattigdom en daglig konsumtion på 1,25 amerikanska dollar eller mindre. Andelen som
lever i extrem fattigdom har under denna period minskat från 43 % till 19 %.
3
faktum att 70 procent av världens befolkning lever i länder där den ekonomiska ojämlikheten
är högre idag än för 30 år sedan knyter an till frågan angående handel och dess effekter på
samhället (Oxfam, 2014). Frågan är om en ökad handel är nyckeln till att bryta den rådande
trenden av en ökad ekonomisk ojämlikhet?
Utifrån teorin är handel en möjlig lösning på problemet. Det faktum att tidigare studier inte
visar på ett konsekvent resultat indikerar dock på förekomst av kunskapsluckor angående
handel och dess effekter. Således kvarstår ett samstämmigt svar på frågan om handel enbart är
positivt för samhället. Den oenighet som föreligger riskerar att leda till att mindre utvecklade
länders behov åsidosätts vid implementering av nya avtal. Ur policysynpunkt är det därför
viktigt att inom forskningen uppnå ett enat resultat angående vilken effekt handel har på ett
lands ekonomiska ojämlikhet.
1.2. Syfte
Syftet med uppsatsen är att analysera effekterna av en ökad handel på den ekonomiska
ojämlikheten i utvecklingsländer.6
Studien utförs genom en paneldataanalys över
utvecklingsländer med kust som tidigare varit under europisk kolonisering. Uppsatsen utgår
från forskningshypotesen att en ökad handel leder till en lägre ekonomisk ojämlikhet och
syftar därmed till att besvara följande frågeställning:
● Hur påverkas den ekonomiska ojämlikheten i utvecklingsländer av en ökad handel?
1.3. Genomförande
Genom att analysera tidigare forskning samt handels- respektive utvecklingsekonomisk teori
erhöll vi bakgrund till studien. Till den empiriska analysen samkörde vi sekundärdata från
följande databaser: World Development Indicators (WDI), The Standardized World Income
Inequality Database (SWIID), The Worldwide Governance Indicators Project (WGI) samt
United Nations Educational, Scientific and Cultural Organizations (UNESCO) databas. Valet
av utvecklingsländer baserade vi på kriteriet att länderna innehar kust samt tidigare varit
under europeisk kolonisering. Vidare begränsades urvalet ytterligare bland annat på grund av
6 Ekonomisk ojämlikhet syftar i uppsatsen till den ekonomiska skillnaden mellan ett lands fattiga del av befolkningen samt
resterande del, det vill säga ett lands relativa fattigdom.
4
tillgängligheten på data. Med hjälp av bland annat Fixed Effects-modellen (FEM) skattade vi
sedan ett antal regressionsfunktioner med Gini-index som beroendevariabel.
1.4. Avgränsning
I denna studie innebär handelsflöde summan av export och import av varor och tjänster i
amerikanska dollar (USD) i relation till ett lands BNP. Således studeras inte graden av
öppenhet eller graden av hur fritt ett land handlar med andra länder utan fokus ligger på
andelen handel. Vidare har tillgängligheten på data påverkat valet av variabler, valet av
tidsperiod samt i viss mån även valet av länder. Det studerade datamaterialet som ingår i
studien har därför begränsats till tidsperioden 1990 till 2012. Urvalet består därmed av en
panel på 41 länder över 23 år. I vår studie utgår benämningen utvecklingsländer från OECD:s
Development Assistance Committees (OECD:s utvecklingshjälpskommitté, DAC)
förteckning över de länder som delgavs bistånd i form av Official Development Assistance
(ODA) år 2012/2013 (OECD, 2015; 2013).
1.5. Forskningsbidrag
Genom att utföra ytterligare en studie angående effekterna av handel på ekonomisk
ojämlikhet bidrar vi till forskningen på området. Enligt vår kännedom skiljer sig studien från
tidigare handelsrelaterad forskning genom att beakta korruption som en påverkande faktor.
1.6. Etik
I enlighet med Vetenskapsrådets forskningsetiska förhållningsregler (Vetenskapsrådet, 2011)
har hänsyn tagits till Mertons CUDOS-krav (1942). Därmed redovisas studiens metod samt
resultat öppet och bedömning av använda referenser har enbart skett utifrån vetenskapliga
kriterier samt dess relevans för studien.
1.7. Disposition
Uppsatsen disponeras enligt följande: i avsnittet Teori och tidigare forskning (2) redogörs för
tidigare forskning på området samt teori som anses relevant för studien. Därefter följer
avsnittet Metod (3) där genomförandet presenteras närmare. Avsnittet inkluderar insamling av
data, val av länder, val av tidsperiod, redogörelse för variabler samt ekonometrisk metod.
Detaljerad information om insamlad data redogörs i avsnittet Deskriptiv statistik (4). I
avsnittet Resultat och analys (5) presenteras sedan studiens empiriska resultat som där också
5
analyseras med koppling till tidigare forskning. Avsnittet innehåller även en
känslighetsanalys. Studien diskuteras i sin helhet i avsnittet Diskussion (6) och slutligen
sammanfattas studiens resultat i avsnittet Slutsats (7).
6
2. Teori och tidigare forskning
2.1. Klassisk nationalekonomisk teori
Inom den klassiska nationalekonomiska teorin som berör handel utmärks ekonomerna
Heckscher och Ohlin (1933) samt Stolper och Samuleson (1941). Både Heckscher-Ohlin och
Stolper-Samuelson antar en förenklad bild av verkligheten bestående av två länder.
Respektive land består av en rörlig produktionsfaktor, arbetskraft; och två orörliga, land och
kapital (Krugman et al., 2011). Genom antagandet om rörlig arbetskraft samt att utbudet av
produktionsfaktorerna skiljer sig åt påverkas både priset för och sammansättningen av
produktionsfaktorer när handel sker. Enligt Heckscher-Ohlin och Stolper-Samuelson
fokuserar ett land på produktionen av den vara där den relativa produktionskostnaden är lägst.
Ett land med billig arbetskraft specialiserar sig således på att producera den
arbetskraftsintensiva varan. Tack vare att arbetskraften antas vara rörlig omfördelas denna till
den arbetskraftsintensiva sektorn i enlighet med ökad efterfrågan. Därmed förändrar handel
det relativa priset på den vara som exporteras vilket leder till högre löner för den
lågkvalificerade arbetskraften. Motsvarande gäller för den vara som importeras, det vill säga
att det relativa priset på kapital stiger. I det land där priset på arbetskraft är lägst utjämnas
därför lönerna och den ekonomiska ojämlikheten minskar medan tillväxten ökar (Krugman et
al., 2011).
Vad gäller sambandet mellan tillväxt och ekonomisk ojämlikhet är Kuznets teorem (1955)
välkänt. Kuznetskurvan illustrerar sambandet mellan ekonomisk tillväxt mätt som BNP per
capita och ett lands inkomstdistribuering mätt som Gini-index (Ray, 1998).7
Det som
utmärker denna teori är att den ekonomiska ojämlikheten initialt ökar med ökad BNP per
capita till dess att en viss nivå uppnåtts. Efter denna nivå leder sedan ökad tillväxt till en lägre
ekonomisk ojämlikhet vilket indikerar att ett icke-linjärt samband föreligger. Med andra ord
tenderar ett lands ekonomiska ojämlikhet att förvärras innan en minskning sker. Sambandet
illustreras därför av en kurva som har en inverterad U-form och är ett tydligt exempel på en så
kallad tröskeleffekt. Kuznetskurvan kan förklaras genom flertalet teorier, men majoriteten
relaterar till strukturell förändring. Tillväxt på ett tidigt stadium koncentreras ofta i den
7 För en närmare redogörelse av Kuznetskurvan, se Bilaga A.
7
moderna industriella sektorn där antalet arbetstillfällen är få, men lönerna och produktiviteten
är hög (Ray, 1998).
2.2. Forskning angående handel och ekonomisk ojämlikhet
De nämnda teorierna och dess antaganden har kritiserats av flera ekonomer och etablerade
forskare på området. Ett exempel är Winters (2002) som understryker att handelns effekt på
samhället blir mindre självklar om fler länder och varor inkluderas i en modell. Ett annat
exempel är Davis and Mishra (2007) som i artikeln med titeln ”Stolper-Samuelson is Dead
and Other Crimes of Both Theory and Data” ifrågasätter såväl Stolper-Samuelson-teoremet
som förenklade modeller överlag. De är tveksamma till att använda modeller baserade på
förenklande antaganden av en komplex verklighet. Vidare menar Davis och Mishra att
Stolper-Samuelson-teoremet står för den allmänna uppfattningen inom nationalekonomin, det
vill säga att handel enbart medför positiva konsekvenser. De riktar även kritik mot teorins
bristfälliga förmåga att utvärdera vilken betydelse handel har för utvecklingsländer.
Vidare tenderar handelsrelaterad forskning att fokusera på studier av enskilda länder (Hertel
och Reimer, 2002). Ett exempel är Topalova (2005) som i sin studie över indiska distrikt
finner att de distrikt på landsbygden som erhöll en friare handel genom tullsänkningar
drabbades av en högre grad av ekonomisk ojämlikhet. Likaså kommer även Hanson och
Harrison (1999) i sin studie över Mexiko fram till att en friare handel leder till en ökad
ekonomisk ojämlikhet. De menar att de lägre tullar som infördes i Mexiko under 1980-talet
påverkade hög- och lågkvalificerad arbetskraft olika vilket orsakade större skillnader i löner
mellan sektorer. Hertel och Reimer (2002) menar dock att studier över enskilda länder
försvårar möjligheten att avgöra huruvida resultaten drivs av egenskaper specifika för just det
studerade landet. Inga generella slutsatser kan därför dras av dessa studier.
Studier över flera länder har å andra sidan uppvisat blandade resultat. Ett exempel är
Chakrabarti (2000) som finner att handel minskar den ekonomiska ojämlikheten i ett land. Ett
annat exempel är Meschi och Vivarelli (2008) som påvisar motsatsen i deras studie över 65
utvecklingsländer när handel sker med utvecklade länder. De menar att när utvecklingsländer
handlar med industriella länder sker en så kallad tekniköverföring. Med andra ord anammar
länderna teknologisk kunskap och innovativ förmåga från de länder med vilka handel sker.
Efterfrågan på högkvalificerad arbetskraft ökar därför och löneförhållandena i landet påverkas
vilket leder till en ökad ekonomisk ojämlikhet. Vidare menar Meschi och Vivarelli att detta
8
däremot inte är fallet när utvecklingsländer handlar med varandra. Att studera ett stort antal
länder riskerar dock att samtidigt introducera heterogenitet i urvalet. Le Goff och Singh
(2013) menar att detta kan vara orsak till det oklara sambandet mellan handel och fattigdom
inom forskningen. Författarna belyser i sin studie över afrikanska länder att landspecifika
faktorer således skulle vara förklaringen till en ekonomis förmåga respektive oförmåga att
omfördela resurser, från mindre produktiva till mer produktiva sektorer. För att den
lågkvalificerade arbetskraften i ett land ska kunna erhålla en ökad inkomst krävs en möjlighet
för denna grupp att gå från krympande till expanderande sektorer (Le Goff och Singh, 2013).
Dock menar såväl Davis och Mishra (2007) som Topalova (2005) att arbetskraft i
verkligheten inte är tillräckligt rörlig, men att en realiserad omfördelning av resurser skulle
tillvarata de möjligheter som handel öppnar upp för.
2.3. Ytterligare faktorer som påverkar ekonomisk ojämlikhet
BNP per capita är en faktor som inom forskningen visat sig påverka ett lands ekonomiska
ojämlikhet. Sambandet bekräftas av bland andra Grimalda och Vivarelli (2004) som uppvisar
förekomst av Kuznetskurvan på lång sikt och finner på kort sikt en tendens till uppkomst av
flera små Kuznetskurvor.8 Brenner et al. (1991) menar dock att BNP per capita bara kan
förklara en liten del av ett lands ekonomiska ojämlikhet.
En annan faktor som har visat sig påverka ett lands ekonomiska ojämlikhet är graden av
utbildningsnivå hos landets befolkning (Checchi, 2001). Enligt Meschi och Vivarelli (2008)
genererar ökad utbildning en lägre ekonomisk ojämlikhet. De menar att ett ökat utbud av
högkvalificerad arbetskraft resulterar i relativt lägre löneskillnader mellan hög- respektive
lågkvalificerad arbetskraft.
Vidare argumenterar Bhagwati och Srinivasan (2002) i likhet med Batu och Asongu (2014)
för vikten av makroekonomisk stabilitet (inflation) för upprätthållandet av en exportorienterad
handelspolitik. Albanesi (2007) menar vidare att hög inflation ökar ett lands ekonomiska
ojämlikhet. Bland andra Meschi och Vivarelli (2008) påpekar behovet av att kontrollera för
inflation som en proxy för ett lands makroekonomiska stabilitet som i sin tur påverkar ett
lands inkomstfördelning.9 De understryker dessutom särskilt vikten av att beakta inflation vid
8 Se även Barro (2008; 2000) samt Huang (2004). 9 Se även De Melo et al. (2006) samt Lundberg och Squire (2003).
9
studier över utvecklingsländer som ofta karaktäriseras av instabila makroklimat. De menar
vidare att inflation undergräver de reala lönerna vilket förklarar varför hög inflation slår
hårdast mot den fattigaste delen av ett lands befolkning.
Precis som nämnda Le Goff och Singh (2013) kommer Goldberg och Pavcnik (2007) fram till
att globaliseringens effekter på ekonomisk ojämlikhet beror på flertalet lands- och
tidsspecifika faktorer, däribland mängden utländska direktinvesteringar (FDIs). Detta
bekräftas av Choi (2004) som i sin studie finner att ett lands ekonomiska ojämlikhet ökar då
andelen FDIs i relation till BNP ökar. Likaså finner Herzer et al. (2014) att en ökad andel
FDIs leder till en ökad ekonomisk ojämlikhet. De menar att ökade investeringar genererar en
ökad efterfråga på kvalificerad arbetskraft vilket i likhet med utbildning påverkar
löneförhållandet mellan låg- och högkvalificerad arbetskraft.
Le Goff och Singh (2013) tar även upp det faktum att ett stort antal utvecklingsländer är rika
på naturresurser och menar att handel snarare skulle stimulera denna sektor än en sektor
intensiv på arbetskraft. Detta undersöks av Shackleton (2005) som i sin studie över Sydafrika
visar att handel med naturresurser gynnar den lågkvalificerade arbetskraften och därmed den
fattigaste delen av befolkningen. Samtidigt menar Neumann och Hirsch (2000) i likhet med
Campbell et al. (2002) att naturresurser snarare skapar en så kallad fattigdomsfälla, det vill
säga generationsbunden fattigdom.
Ytterligare en faktor som kan påverka den ekonomiska ojämlikheten i ett land är bistånd
vilket bekräftas av Shaifullah (2011) som finner att bistånd leder till en lägre ekonomisk
ojämlikhet. Saidon et al. (2013) finner dock att biståndets påverkan på den ekonomiska
ojämlikheten skiljer sig åt beroende på vilken sektor biståndet går till. Bistånd som går till ett
lands ekonomiska sektor genererar en lägre ekonomisk ojämlikhet genom att öka den
ekonomiska effektiviteten och stimulera tillväxt. Saidon et al. (2013) finner dock att motsatt
förhållande däremot föreligger om biståndet delges ett multisektorprojekt.
Vidare menar Chong och Gradstein (2007) att svaga institutioner leder till en högre grad av
ekonomisk ojämlikhet, medan Bowles et al. (2006) argumenterar för att svaga institutioner
skapar en fattigdomsfälla. Vidare belyser Tebaldi och Mohan (2010) att svaga institutioners
påverkan på fattigdom sker via ineffektiva marknader samt snedfördelning av resurser. Även
tidigare nämnda Le Goff och Singh (2013) belyser vikten av fungerande institutioner och
10
menar att sannolikheten att fördelarna med handel ska uppstå är liten vid förekomst av svaga
institutioner. Denna aspekt knyter således an till betydelsen för att ett land ska kunna
omfördela resurser och därmed dra fördel av de möjligheter som handel eventuellt öppnar upp
för. En stor del av de institutionella skillnader som råder mellan länder kan vidare förklaras av
geografiskt läge samt historisk bakgrund såsom tidigare kolonisering. Det menar bland andra
Hall och Jones (1999).10
I likhet med institutioners betydelse tas även korruption upp som en påverkande faktor.
Sindzingre (2005) menar att korruption i likhet med svaga institutioner har en särskilt stor
påverkan på den fattiga delen av ett lands befolkning. Tebaldi och Mohan (2010) menar på
motsvarande sätt att frånvaro av korruption kombinerat med ett stabilt politiskt system
respektive styre skapar möjligheter för ekonomisk tillväxt, minskad ekonomisk ojämlikhet
samt minskad fattigdom. Fördelarna med handel uppstår således inte per automatik och
politiska åtgärder behövs därför som komplement. Genom att exempelvis skapa
makroekonomisk stabilitet och ett tryggt investeringsklimat kan fördelarna med handel uppstå
genom omfördelning av resurser som påverkar ett lands löneförhållanden (Le Goff och Singh,
2013).
Bland andra Le Goff och Singh (2013) påvisar även förekomst av tröskeleffekter. 11
De menar
att ökad handel associeras med en högre grad av fattigdom, men att förhållandet kan vara det
motsatta om ett lands finansiella utveckling, utbildningsnivå och statlig stabilitet uppnått en
viss grad av utveckling. Förekomst av tröskelvärden leder till att den fattiga delen av ett lands
befolkning exempelvis gynnas av ett värde över tröskelvärdet, men missgynnas vid ett värde
under tröskelvärdet. Något som tenderar att skapa ekonomisk ojämlikhet i samhället då den
fattiga delen av befolkningen exkluderas från den globala integreringen. Vidare finner även
Checchi (2001) förekomst av tröskeleffekter angående utbildning. Checchi menar att en ökad
möjlighet till utbildning påverkar den ekonomiska ojämlikheten olika beroende på initial
utbildningsnivå samt hur snabbt graden av utbildningsnivå ökar. Ett land med en initialt låg
genomsnittlig utbildningsnivå där graden av utbildningsnivå tenderar att öka snabbt, resulterar
i en lägre ekonomisk ojämlikhet. Om ett land däremot initialt har en relativt sett hög
genomsnittlig utbildningsnivå blir effekten av ökad utbildning den motsatta och den
10 Se även Acemoglu et al. (2005) samt La Porta et al. (1999). 11 För ett grafiskt exempel på en tröskeleffekt, se Kuznetskurvan i Bilaga A. Se även Sindzingre (2005) och Checchi (2001).
11
ekonomiska ojämlikheten ökar således. Fenomenet tröskeleffekt bekräftar därmed Le Goff
och Singhs (2013) teori om att effekterna från en friare handel kan bero på faktorer som
skiljer sig åt länder emellan, det vill säga landspecifik karaktäristik.
12
3. Metod
3.1. Länder
Vi utförde vårt val av länder baserat på DAC:s förteckning över de utvecklingsländer som
delgavs bistånd i form av ODA år 2012/2013 (OECD, 2013). Vidare grundade vi valet av
länder på tanken att minska risken för att introducera en alltför hög grad av heterogenitet i
urvalet. Vi tog därför hänsyn till historia samt geografiskt läge varpå vi begränsade urvalet till
tidigare europeiska kolonier med kust. Tidigare studier har exempelvis studerat enskilda
världsdelar eller enbart fokuserat på utvecklingsländer överlag.12
Vi anser dock att graden av
heterogenitet då fortfarande är relativt stor. Med anledning av att tidigare kolonisering har
visat sig påverka länders institutionella utveckling är de länder som varit under europeisk
kolonisering ur denna aspekt mer lika varandra (Hall och Jones, 1999).13
Förekomsten av kust
minskar logistiska utmaningar och underlättar därmed möjligheterna för handel att äga rum
(The International Bank for Reconstruction and Development och VB, 2008). Vi valde även
att exkludera mindre ö-stater vars avstånd till fastlandet är mer än 1 500 kilometer med
anledning av att det långa avståndet till andra länder försvårar möjligheterna för handel
(Deardoff, 1998).14
En stor del av återstående länder har varit drabbade av krig och konflikter
vilket kan ha påverkat deras ekonomiska strukturer (Todaro och Smith, 2011). Utifrån data
inhämtad av Themnér och Wallensteen (2014) valde vi därför att ytterligare exkludera de
länder som erfarit ihållande väpnade konflikter under minst fem år och som ägt rum fem år
efter respektive lands självständighet eller senare. Om den ekonomiska tillväxten varit stabil
under det senaste decenniet valde vi att inkludera landet trots att det varit konfliktdrabbat.
Utöver detta exkluderade vi sedan ytterligare ett antal länder på grund av brist på data. Det
slutgiltiga urvalet resulterade i 41 länder som presenteras i tabell 1. För en närmare
presentation av exkluderade länder samt DAC:s lista, se Bilaga B.
12 Se exempelvis Le Goff och Singh (2013) samt Meschi och Vivarelli (2008). 13 Se även Acemoglu et al. (2005) samt La Porta et al. (1999). 14 Med mindre ö-stater avser vi en årlig BNP på 2 miljarder USD eller lägre.
13
Tabell 1 – Inkluderade länder
Algeriet Guatemala Moçambique
Argentina Guinea Namibia
Bangladesh Guyana Niger
Belize Honduras Peru
Benin Indien Senegal
Brasilien Indonesien Surinam
Chile Jamaica Sydafrika
Costa Rica Kamerun Tanzania
Djibouti Kenya Togo
Ecuador Madagaskar Tunisien
Egypten Malaysia Uruguay
El Salvador Marocko Venezuela
Gambia Mauretanien Vietnam
Ghana Mexiko
Anm: Tabellen visar de länder som ingår i vår studie. Länderna följer i alfabetisk ordning.
3.2. Tidsperiod
Vårt val av tidsperiod styrdes delvis av tillgängligheten på data samt tidigare studiers
omfattning. Flera studier omfattar data från 1980-talet med argumentet att det var under detta
årtionde som globaliseringen tilltog.15
Vi ämnade dock genomföra en så pass aktuell studie
som möjligt utifrån tillgänglig data och valet föll därför på år 1990 till år 2012. Då WTO
skapades i sin nuvarande form år 1995 anser vi att vi lyckats fånga en period under vilken
handel ökade i både betydelse och omfattning (WTO, 2015a).
3.3. Data
Studien baseras på insamlad sekundärdata från följande databaser: WDI (VB, 2014), SWIID
(Solt, 2014), WGI (Kaufmann et al., 2010) och UNESCO (UNESCO Institute for Statistics,
2013). Använd data är delvis baserad på nationella enkäter. Vårt val av databas och mätsätt
berodde främst på i vilken grad data var balanserad samt hur väl dess mätmetod motsvarar
15 Se exempelvis Meschi och Vivarelli (2008), Topalova (2005) samt Dollar och Kraay (2001).
14
vad studien syftar till att undersöka. För att undvika risken för mätfel strävade vi efter att
koncentrera oss till en databas per variabel, även om detta inte alltid var möjligt. Då vi
använde flera databaser för en och samma variabel kontrollerade vi noga huruvida deras
mätmetoder kunde kombineras innan vi gjorde en sammanslagning.
3.4. Variabler
Tabell 2 – Översikt över variabler
Tabell 2 redogör för definition samt databas för respektive variabel. Den beroende variabeln i
vår studie benämns Gini och syftar till att mäta ett lands ekonomiska ojämlikhet. Vi valde att
använda det mest förekommande måttet vid studier av ekonomisk ojämlikhet, nämligen Gini-
index (De Maio, 2006). Gini-index kan mätas baserat på inkomst eller konsumtion. Vi valde
att använda Gini-index baserat på disponibel inkomst som syftar till att mäta skillnaden i
Typ Variabel Namn Definition Källa
Beroende-
variabel
Gini Gini-index Mäter ekonomisk ojämlikhet och bygger på Lorenzkurvan
samt en så kallad jämlikhetslinje.a Graderad på en skala
mellan 0 (perfekt jämlikhet) och 100 (perfekt ojämlikhet).
SWIID
Oberoende
variabler
HaFl Handelsflöde Summan av export och import av varor och tjänster i
förhållande till BNP (i %).
WDI
BNP BNP per
capita
BNP per capita (i respektive års valutakurs för USD). WDI
LUtb Lågstadie-
utbildning
Antalet inskrivna elever på lågstadienivå i relation till det
officiella antalet elever som motsvarar lågstadienivå i
respektive land (i %).b
WDI
UNESCO
HUtb Högstadie-
utbildning
Antalet inskrivna elever på högstadienivå i relation till det
officiella antalet elever som motsvarar högstadienivå i
respektive land (i %).c
WDI
UNESCO
Infl
Inflation Årlig BNP-deflator (i %).
WDI
FDI
FDI Nettoinflödet av investeringar i ett företag som opererar
utomlands. FDI är vidare summan av eget kapital,
återinvestering av intäkter samt övrigt lång- och
kortsiktigt kapital (i % av BNP).
WDI
NaRe Natur-
resurser
Total avkastning på olja, naturgas, kol, mineral och skog i
förhållande till BNP (i %).
WDI
BiFl Bistånds-
flöde
Netto-ODA motsvarande DAC:s definition av ODA per
capita baserad på lokal prisnivå för respektive land och år
(i USD).
WDI
Korr Korruption Omfattar offentlig makt utövad för egen vinning i såväl
privat som i offentlig sektor. Rankat på en skala mellan 0
(högst korruption) och 100 (lägst korruption).
WGI
Anm: Tabellen visar definition samt referens för respektive variabel. a För en grafisk beskrivning av Gini-index samt Lorenzkurvan, se Bilaga C. b Lågstadieutbildning är vår översättning av VB:s definition av Primary Education (VB, 2014). c Högstadieutbildning är vår översättning av VB:s definition av Secondary Education (VB, 2014).
15
distribuerad nettoinkomst inom ett land. Ju lägre Ginikoefficient ett land har desto lägre
ekonomisk ojämlikhet förekommer i landet. För en ingående grafisk beskrivning se Bilaga C.
Handelsflöde utgör i vår modell den förklarande variabeln vars effekt vi vill studera och syftar
till att mäta det handelsflöde ett land exponeras för. Vidare mäts variabeln Handelsflöde som
summan av export och import av såväl varor som tjänster i relation till respektive lands BNP.
Måttet är vanligt förekommande inom handelsrelaterad forskning och det tydligaste måttet för
att mäta den mängd handel som äger rum.16
Det är också vanligt förekommande att mäta i
vilken utsträckning ett land är utsatt för tullar.17
Dock mäts då snarare graden av öppenhet,
varför vi valde att inte gå vidare med detta mått.
BNP utgör kontrollvariabel och mäts i BNP per capita för respektive land och år. Variabeln
inkluderas i enlighet med tidigare studier angående ekonomisk ojämlikhet.18
I studien
inkluderas även kvadrerad BNP per capita för att studera förekomst av det icke-linjära
sambandet mellan BNP per capita och Gini-index som Kuznetskurvan påvisar.
Lågstadieutbildning och Högstadieutbildning utgör i likhet med tidigare forskning
kontrollvariabler även i vår modell. Befintlig data delar upp graden av utbildning i fyra
nivåer; förskole-, lågstadie-, högstadie- samt högskoleutbildning. Vi valde att använda oss av
lågstadie- samt högstadieutbildning som skapar våra respektive två variabler för att mäta ett
lands grad av utbildningsnivå. Vi gjorde även en närmare efterforskning angående
högskoleutbildning, men på grund av begränsad tillgänglighet på data kunde denna variabel
inte inkluderas i modellen. Variabeln Lågstadieutbildning definieras som andelen inskrivna
elever, oavsett ålder, i förhållande till det totala antalet elever som officiellt motsvarar
respektive utbildningsnivå (VB, 2014). Variabeln Högstadieutbildning definieras på
motsvarande sätt.
Inflation utgör även den kontrollvariabel och är en proxy för ett lands makroekonomiska
stabilitet. Inflation är en vanligt förekommande kontrollvariabel vid studier som berör såväl
handel som ekonomisk ojämlikhet.19
16 Se exempelvis Chakrabarti (2000). 17 Se exempelvis Topalova (2005). 18 Se exempelvis Le Goff och Singh (2013). 19 Se exempelvis Le Goff och Singh (2013), Meschi och Vivarelli (2008) samt Albanesi (2007).
16
FDI utgör i likhet med tidigare forskning kontrollvariabel i vår modell och syftar till att mäta i
vilken utsträckning ett land berörs av utländska direktinvesteringar (FDIs). Variabeln FDI
mäts som nettoinflödet av FDIs i relation till ett lands BNP. Vidare är FDI summan av
aktiekapital, återinvestering av intäkter samt övrigt långsiktigt respektive kortsiktigt kapital.
Naturresurser utgör kontrollvariabel och är vår proxy för hur rikt ett land är på naturresurser.
Vi valde att mäta detta i enlighet med VB:s mått på totala naturresursers avkastning i relation
till ett lands BNP. VB:s definition av naturresurser omfattar olja, naturgas, kol, mineraler
samt skog. Avkastning definieras mer specifikt som skillnaden mellan en produkts
försäljningspris och dess genomsnittliga produktionsvärde (VB, 2014).
Biståndsflöde syftar till att mäta biståndsflödet för respektive land. Som mått på detta har
mängden netto-ODA per capita använts. Med anledning av att mängden ODA som ett land
erhåller i viss mån bestäms utifrån antalet invånare anser vi att detta mått är att föredra
framför exempelvis andelen ODA i relation till ett lands BNP.
Korruption utgör i vår modell en proxy för institutionell kvalitet och stabilitet. För att uppnå
en så balanserad data som möjligt valde vi WGI:s mått “Control of Corruption” vilket syftar
till att fånga i vilken grad offentlig makt används för privat vinnande. Måttet inkluderar både
lindrigare och grövre fall av korruption, såväl inom stat som inom näringsliv. Mätningar av
korruption började dock först år 1996 varför data inte finns tillgänglig för samtliga 23 år som
studien omfattar.
3.5 Ekonometrisk metod
För att analysera vilka effekter handel har på ett lands ekonomiska ojämlikhet testade vi om
ett ökat handelsflöde har en positiv, negativ eller ingen påverkan på ett lands ekonomiska
ojämlikhet. Vi testade vår frågeställning utifrån hypotesen att ökad handel har en negativ
effekt på ett lands Ginikoefficient, det vill säga ju mer handel ett land utsätts för desto mindre
ekonomisk ojämlikhet bör råda.
Enligt vår korrelationsmatris mäter de två variablerna för utbildning, det vill säga
Lågstadieutbildning samt Högstadieutbildning, i viss mån samma sak. För att kunna delta i ett
lands högstadieutbildning måste eleven ha slutfört sin lågstadieutbildning varpå korrelationen
17
är logisk. Vi valde därför att exkludera Lågstadieutbildning ur funktionen och enbart använda
oss av variabeln Högstadieutbildning för att beakta ett lands utbildningsnivå. För redogörelse
av korrelationsmatrisen se Bilaga D. Även mellan variablerna BNP samt Högstadieutbildning
föreligger hög korrelation. I likhet med korrelationen mellan lågstadie- och
högstadieutbildning tyder detta på att högstadieutbildning i viss mån kan förklaras genom
BNP per capita och tvärtom. Med anledning av att båda dessa variabler är av stort intresse för
vår studie valde vi ändå att inkludera dem i våra skattningar. Vi skapade därför sju
regressionsfunktioner som var och en innehöll olika kombinationer av variablerna. Vidare
inkluderade vi variabeln Korruption enbart i ekvation 6 och 7 på grund av att data endast
finns tillgänglig för år 1996 och senare. Genom denna uppdelning kunde vi studera eventuella
skillnader i resultat beroende på inkluderade variabler. Vi skattade därför följande
regressionsfunktioner:
Giniit = α0 + β1HaFlit + εit [1]
Giniit = α0 + β1HaFlit + β2BNPit + β3BNP2it + εit [2]
Giniit = α0 + β1HaFlit + β2BNPit + β3BNP2it + β4Inflit + β5FDIit + β6NaReit + Β7BiFlit + εit [3]
Giniit = α0 + β1HaFlit + β2Inflit + β3FDIit + β4NaReit + Β5BiFlit + β6HUtbit + εit [4]
Giniit = α0 + β1HaFlit + β2BNPit + β3BNPit2 + β4Inflit + β5FDIit + β6NaReit + Β7BiFlit + β8HUtbit + εit [5]
Giniit = α0 + β1HaFlit + β2BNPit + β3BNP2it
+ β4Inflit + β5FDIit + β6NaReit + β7BiFlit + β8Korrit + εit [6]
Giniit = α0 + β1HaFlit + β2Inflit + β3FDIit + β4NaReit + β5BiFlit + β6HUtbit + β7Korrit + εit [7]
där i representerar respektive land (i = 1,…, N) och t representerar respektive år (t = 1,…, T).
Feltermen utgörs av ε. Observera att HUtb enbart ingår i ekvation 4, 5 och 7, medan BNP
samt BNP2
enbart ingår i ekvation 2, 3, 5 och 6. Ekvation 6 och 7 motsvarar ekvation 3 och 4,
men inkluderar även variabeln Korr.
För att skatta funktionerna användes programmet Eviews där vi valde att logaritmera samtliga
variabler. Ett val som vi baserade på att sannolikhetsfördelningen för majoriteten av
variablerna var relativt långt ifrån normalfördelad. För att justera för eventuell förekomst av
heteroskedasticitet samt autokorrelation skapade vi även robusta standardavvikelser som
18
White (period). Vi skattade sedan respektive regressionsfunktion med poolad OLS som
estimator. För att kontrollera för eventuell karaktäristik specifik för de enskilda länderna, det
vill säga förekomst av heterogenitet, skattade vi sedan respektive regressionsfunktion med
FEM. FEM antar att respektive land har en gemensam konstant med syfte att fånga upp icke
observerbar landspecifik karaktäristik som är oberoende av tiden (Verbeek, 2012). Därefter
skattade vi även modellen med hjälp av Random Effects-modellen (REM) för att se om denna
metod eventuellt var ett bättre alternativ än FEM. REM antar i motsats till FEM inget unikt
intercept för respektive land utan antar att allt som påverkar den beroende variabeln men som
inte ingår i modellen fångas upp av en felterm. Feltermen antas då bestå av en individspecifik
komponent oberoende av tiden samt en komponent som är okorrelerad över tid. Interceptet i
modellen antas därför vara oberoende och lika fördelad över länder (Verbeek, 2012).
För att försäkra oss om vilken modell som var bäst lämpad för vårt datamaterial, det vill säga
FEM eller REM, utförde vi slutligen ett Hausman-test. Hausman-testet ger en indikation på
huruvida heterogeniteten mellan länder är korrelerad med modellens övriga variabler eller
inte (Verbeek, 2012). Nollhypotesen utformas som att ingen korrelation föreligger och
därmed råder ingen skillnad mellan de två modellerna. Alternativhypotesen utformas på
motsvarande sätt, det vill säga att förekomst av korrelation föreligger och därmed också en
skillnad modellerna emellan. Om nollhypotesen förkastas till förmån för alternativhypotesen
är FEM att föredra. Kan nollhypotesen inte förkastas antas REM vara det bästa valet av
modell (Verbeek, 2012).
19
4. Deskriptiv statistik
En redogörelse för det empiriska datamaterialet åskådliggörs i tabell 3. Beskrivningen
omfattar medelvärde, standardavvikelse samt lägsta och högsta antagna värde för respektive
variabel. För att få en överblick över i vilken utsträckning insamlad data är balanserad
respektive obalanserad presenteras även antalet observationer. I tabellen presenteras dessutom
antalet år per variabel som det empiriska materialet omfattar. Samtliga variabler omfattar data
för alla de 41 länder som ingår i studien.
Tabell 3 – Deskriptiv statistik per variabel
Variabel Medelvärde Standardavvikelse Minvärde Maxvärde Antal
observationer Antal år
Gini 43,48 6,89 31,06 66,56 732 23
HaFl 69,33 37,51 13,75 280,36 919 23
BNP 2 415,06 2 620,83 98,03 15 245,47 943 23
HUtb 54,98 26,71 5,17 109,63 672 23
Infl 30,31 255,50 -26,30 6 261,24 937 23
FDI 2,97 4,31 -19,78 43,82 934 23
NaRe 9,18 9,45 0,44 67,69 943 23
BiFl 41,95 47,54 -21,49 360,50 940 23
Korr 41,32 19,94 2,93 92,20 570 17
Anm: Se tabell 2 för definition av respektive variabel.
Mängden insamlad data skiljer sig åt mellan variablerna vilket åskådliggörs genom antalet
observationer i tabell 3. Variablerna BNP och Naturresurser står för det maximala antalet
observationer på 943 stycken och är således fullständigt balanserade. Därefter följer
Biståndsflöde, Inflation och FDI med 940, 937 respektive 934 observationer. Variabeln
Handelsflöde utgörs av 919 observationer medan Gini utgörs av ett totalt antal observationer
på 732 stycken. För högstadiestudier är antalet observationer enbart 672 medan variabeln
Korruption står för det lägsta antalet observationer på 570 stycken. Den huvudsakliga orsaken
är bristen på data vilket även förklarar varför variabeln omfattar 17 år istället för 23 år. För
resterande variabler finns data tillgänglig för samtliga år som studien omfattar. Dock är
insamlad data för majoriteten av variablerna relativt obalanserad.
Det land som står för den lägsta Ginikoefficienten är Egypten som år 2008 hade en
Ginikoefficient på cirka 31, till skillnad från Namibia som år 1993 hade en Ginikoefficient på
cirka 67. Namibia har därmed den högsta Ginikoefficienten bland de studerade länderna.
20
Medelvärdet för variabeln Gini och dess standardavvikelse indikerar att majoriteten av
observationerna antar en Ginikoefficient lägre än 50. Vår data tyder därmed inte på någon
större risk för outliers angående denna variabel.
Vad gäller insamlad data för variabeln Handelsflöde är skillnaden mellan det lägsta respektive
högsta värdet stor. Medelvärdet och standardavvikelsen tyder dock på att flertalet av
observationerna inte har ett så högt handelsflöde som det maximala värdet på 280 procent
som Guyana hade år 1992. Motsvarade gäller för det lägsta värdet på cirka 14 procent som
Argentina stod för år 1991. Insamlad data för variabeln indikerar att outliers möjligen
förekommer.
Det lägsta värdet för variabeln BNP på 98 USD per capita hade Vietnam år 1990 medan Chile
år 2012 uppvisar det högsta värdet i urvalet på 15 245 USD per capita. Medelvärdet samt
standardavvikelsen indikerar att merparten av de länder som ingår i studien har ett BNP per
capita under approximativt 5 040 USD. Eftersom att det högsta värdet i urvalet avviker tydligt
från medelvärdet är sannolikheten för förekomst av outliers stor.
Angående studier på högstadienivå står Moçambique för den lägsta andelen registrerade
elever på cirka 5 procent år 1999. Den högsta andelen registrerade elever på 110 procent hade
Brasilien år 2002. Såväl medelvärdet på cirka 55 procent som standardavvikelsen på cirka 27
procent tyder på att outliers möjligen föreligger för variabeln Högstadieutbildning.
Den deskriptiva statistiken för variabeln Inflation indikerar att graden av inflation kraftigt
skiljer sig åt mellan både år och länder. Under de 23 år som studien omfattar har den årliga
inflationen som högst varit 6 261 procent vilket inträffade i Peru år 1990. Lägst inflation
inträffade i Ecuador år 1999 som då hade en negativ inflation, det vill säga deflation, på 26
procent. Medelvärdet för inflation i urvalet är 30 procent och standardavvikelsen för denna
variabel är stor. Trots detta tyder insamlad data på förekomst av outliers.
Även vad gäller variabeln Naturresurser är skillnaden mellan det lägsta och det högsta
antagna värdet i urvalet stor. Det lägsta värdet utgörs av Namibia som år 1999 hade en
avkastning på naturresurser på närmare 0,5 procent. Några år tidigare, år 1993, hade Peru en
avkastning på 68 procent vilket utgör det högsta värdet i urvalet. För denna variabel indikerar
både medelvärdet och standardavvikelsen på att outliers förekommer i urvalet.
21
Insamlad data för variabeln Biståndsflöde antar som lägst ett negativt värde på cirka 22 USD
för Malaysia år 1996 och som högst ett positivt värde på cirka 361 USD för Guyana år 1997.
Medelvärdet på 42 USD är relativt lågt i jämförelse med det högsta värdet vilket indikerar på
förekomst av outliers. Även standardavvikelsen på 48 USD tyder på detta.
Angående variabeln Korruption föreligger det stor variation bland länderna vilket kan utläsas
i tabellen. Det lägsta värdet på knappt 3 infaller år 2004 i Bangladesh som därmed har haft
högst relativ grad av korruption, medan det högsta värdet på 92 motsvaras av Chile för år
2000 som därmed har haft lägst relativ grad av korruption. Medelvärdet i urvalet är 40 och
således långt ifrån dessa värden, medan standardavvikelsen för variabeln är relativt hög. Dock
tyder insamlad data på risk för outliers.
I figur 1 presenteras hur den ekonomiska ojämlikheten samt handelsflödet utvecklas över tid
för respektive land. Figur 1a åskådliggör de första 16 länderna i bokstavsordning och omfattar
därför Algeriet till och med Guinea. Därefter följer figur 1b som omfattar följande 16 länder,
nämligen Guyana till och med Peru. Figur 1c omfattar slutligen de sista 9 länderna, det vill
säga Senegal till och med Vietnam.
22
Figur 1a – Utvecklingen för Ginikoefficienten samt handelsflödet för respektive land.
Anm: Gini-index presenteras på den vänstra vertikala axeln och som heldragen linje i diagrammen. Handelsflödet presenteras av den streckade linjen i diagrammen och avläses på den högra
vertikala axeln. Den horisontella axeln visas år 1990 till 2012.
23
Som figur 1a visar har Algeriets handelsflöde ökat något under tidsperioden. Vad gäller
utvecklingen av landets ekonomiska ojämlikhet är data inte tillgänglig för år senare än år
2005. Enligt befintlig data fluktuerar landets Ginikoefficient något, men återgår år 2005 till
approximativt samma värde som förelåg år 1990. Även Argentinas handelsflöde har ökat
något under perioden, inte minst under år 2001 då en markant ökning av handelsflödet
inträffade. Landets Ginikoefficient ökade i mitten av perioden och blev sedan lägre under
periodens senare del. Inte heller för Argentina tycks någon gemensam trend föreligga. För
Bangladesh har däremot såväl handelsflödet som Ginikoefficienten ökat kontinuerligt under
hela den studerade perioden. Landets ekonomiska ojämlikhet har därmed ökat parallellt med
handeln vilket indikerar på en möjlig gemensam trend. För Belize är erhållen data för Gini-
index dock obalanserad och det är därför svårt att analysera utvecklingen av landets
ekonomiska ojämlikhet. Vad gäller landets handelsflöde har detta fluktuerat under perioden.
Även data för Benin är obalanserad och inte heller för detta land kan därför utvecklingen av
landets ekonomiska ojämlikhet analyseras direkt. Landets handelsflöde har dock legat på en
relativt stadig nivå under den studerade perioden. Gällande Ginikoefficienten för Brasilien har
denna i motsats till utvecklingen av Bangladeshs ekonomiska ojämlikhet blivit lägre.
Samtidigt har landets handelsflöde ökat med till synes samma proportioner. För Chile har
såväl handelsflödet som Ginikoefficienten befunnit sig på en relativt stadig nivå. Möjligen har
Ginikoefficienten minskat under perioden medan handelsflödet fluktuerat något under de sista
15 åren som studien omfattar. För Costa Rica har den ekonomiska ojämlikheten ökat medan
handelsflödet har fluktuerat. År 2012 återgick dock handelsflödet till i stort sett samma nivå
som år 1990.
Vad gäller Djibouti är erhållen data för Gini-index obalanserad vilket kan utläsas i
diagrammet. Det är därför svårt att uttala någon trend. Detsamma gäller handelsflödet för
slutet av perioden. Befintlig data för periodens början visar dock på en avtagande kurva
medan data tyder på en ökning under år 2006 till år 2008. Angående Ecuador har
Ginikoefficienten markant blivit lägre medan handelsflödet ökat något. I likhet med
Bangladesh och Brasilien följer utvecklingen av landets ekonomiska ojämlikhet samt
handelsflöde varandra. För Egypten har den ekonomiska ojämlikheten legat på en relativt
stadig nivå medan handelsflödet fluktuerat något. I slutet av perioden tycks dock
handelsflödet approximativt återgå till samma nivå som förelåg år 1990. Vad gäller El
Salvador har landets ekonomiska ojämlikhet minskat medan dess handelsflöde har ökat.
24
Insamlad data för El Salvador uppvisar således ett möjligt samband där handel leder till lägre
ekonomisk ojämlikhet.
För Gambia råder brist på data såväl för början som slutet av perioden. Under de år som data
finns tillgänglig har dock Ginikoefficienten ökat även för detta land. Handelsflödet minskade
markant i början av perioden, men ökade återigen i slutet av perioden. Tillgänglig data för
Ghanas Ginikoefficient visar att landets ekonomiska ojämlikhet ökade under den period som
data finns tillgänglig. Landets handelsflöde har däremot fluktuerat kraftigt, men uppvisar i
genomsnitt en ökning. Diagrammet för Guatemala indikerar en Ginikoefficient som stadigt,
men långsamt blivit lägre. Vad gäller landets handelsflöde ökade det i mitten av perioden och
låg sedan på en relativt stabil nivå. Det sista diagrammet för figur 1a visar Guinea där
Ginikoefficienten blivit lägre i början av perioden och ökat något i mitten av perioden. Dock
är tillgänglig data obalanserad för slutet av perioden. Landets handelsflöde har legat på en
relativt stabil nivå, men fluktuerat något under de sista 15 år som studien omfattar. I
genomsnitt har handelsflödet dock ökat.
25
Figur 1b – Utvecklingen för Ginikoefficienten samt handelsflödet för respektive land.
Anm: Gini-index presenteras på den vänstra vertikala axeln och som heldragen linje i diagrammen. Handelsflödet presenteras av den streckade linjen i diagrammen och avläses på den högra
vertikala axeln. Den horisontella axeln visas år 1990 till 2012.
26
I figur 1b åskådliggörs utvecklingen av Ginikoefficienten samt handelsflödet för Guyana.
Landets handelsflöde ökade markant i början av perioden för att sedan avta under 1992 till
1994 och därefter stagnera. De få observationer som finns för Ginikoefficienten har legat på
en stabil nivå. Detsamma gäller Honduras Ginikoefficient medan handelsflödet generellt har
ökat under perioden. Dock med undantag för år 2008 samt år 2009 då handelsflödet minskade
för att sedan återigen öka. Vad gäller Indonesiens ekonomiska ojämlikhet har den ökat under
den senare delen av perioden medan handelsflödet nådde sin högsta nivå år 1997 för att sedan
minska under år 1998. Därefter återgick handelsflödet till samma nivå som år 1990. Indiens
ekonomiska ojämlikhet har varit relativt stabil och möjligen ökat något. Landets handelsflöde
har däremot ökat stabilt under hela perioden.
Utvecklingen av den ekonomiska ojämlikheten för Jamaica är svår att analysera med
anledning av obalanserad data för slutet av perioden. I början av perioden ökade dock
Ginikoefficienten. Även för handelsflödet råder viss brist på data, men befintlig data antyder
att handelsflödet minskat något. Även för Kameruns Ginikoefficient råder obalanserad data,
men landets ekonomiska ojämlikhet tycks ändå ha minskat under mitten av perioden. Landets
handelsflöde har däremot legat på en stabil nivå utan större fluktuationer. För Kenya har
Ginikoefficienten minskat under mitten av perioden medan handelsflödet varit stabilt. Dock
med undantag för mindre fluktuationer. Madagaskars ekonomiska ojämlikhet har ökat i
mitten av perioden, men minskat under periodens senare del. Landets handelsflöde har ökat
under senare delen av perioden.
Malaysias Ginikoefficient har legat på en relativt stabil nivå, men ökade i slutet av perioden.
Handelsflödet ökade i första delen av perioden och minskade i den senare delen av perioden.
Vad gäller Marocko har den ekonomiska ojämlikheten långsamt ökat vilket överensstämmer
med handelsflödet. Ett gemensamt samband är därmed möjligt. Mauretaniens handelsflöde
har fluktuerat relativt kraftigt med en ökning i senare delen av perioden. Ginikoefficienten har
minskat i början av perioden och sedan ökat. För Mexiko har den ekonomiska ojämlikheten
minskat medan handelsflödet ökat och här föreligger därför ett tillsynes gemensamt samband.
Moçambiques handelsflöde har ökat under perioden precis som Ginikoefficienten för den del
av perioden där data finns. Vad gäller Namibia har landets Ginikoefficient avtagit medan
handelsflödet ökat under den senare delen av perioden. Insamlad data för Nigers
Ginikoefficient är obalanserad. För den period som data finns tillgänglig har dock landets
27
ekonomiska ojämlikhet till en början ökat för att därefter minska. Landets handelsflöde har
legat på en stabil nivå, men ökat något under periodens senare del. För Peru visar diagrammet
att Ginikoefficienten blivit lägre medan handelsflödet ökat varför ett samband möjligen
förekommer.
28
Figur 1c – Utvecklingen för Ginikoefficienten samt handelsflödet för respektive land.
Anm: Gini-index presenteras på den vänstra vertikala axeln och som heldragen linje i diagrammen. Handelsflödet presenteras av den streckade linjen i diagrammen och avläses på den högra
vertikala axeln. Den horisontella axeln visas år 1990 till 2012.
29
Figur 1c visar inledningsvis att den ekonomiska ojämlikheten för Senegal minskat under
större delen av perioden. Handelsflödet har ökat något, dock inte markant. Vad gäller Surinam
råder obalanserad data. Befintlig data tyder dock på att handelsflödet har fluktuerat medan
Ginikoefficienten blivit lägre. För både Tanzania och Sydafrika har Ginikoefficienten legat på
en relativt stabil nivå medan handelsflödet ökat.
För Togo har Ginikoefficienten ökat för den period där data finns tillgänglig. Även landets
handelsflöde har ökat. Detsamma gäller Tunisiens handelsflöde medan landets ekonomiska
ojämlikhet ökat i början av perioden för att sedan minska under periodens senare del.
Ginikoefficienten för Uruguay har ökat något under större delen av perioden men sedan
återgått till approximativt samma värde som förelåg år 1990. Landets handelsflöde har varit
relativt stabilt med undantag för en viss ökning under periodens senare del. Venezuelas
ekonomiska ojämlikhet har minskat i slutet av perioden medan handelsflödet legat på en
relativt stabil nivå. Avslutningsvis visar diagrammet för Vietnam att en ökning av såväl
landets Ginikoefficient som handelsflöde ökat. I likhet med utvecklingen i ett flertal av de
studerade länderna uppvisar tillgänglig data förekomst av ett möjligt samband. Huruvida det
faktiskt rör sig om ett generellt samband eller om det handlar om tillfälligheter för enskilda
länder är dock oklart. En ekonometrisk analys är därmed nödvändig för att konkret kunna
undersöka eventuell förekomst av ett samband mellan ett lands handelsflöde och ekonomiska
ojämlikhet.
30
5. Resultat och analys
Resultatet från de fem skattade regressionsfunktionerna exklusive korruption (1, 2, 3, 4, 5)
presenteras i tabell 4. I tabellen visas endast resultatet från den skattningsmetod som valts
utifrån vad respektive Hausman-test visat.
Tabell 4 – Skattningar exklusive variabeln Korruption
Variabel (1) (2) (3) (4) (5)
HaFl 0,009
(0,009)
0,012
(0,025)
0,027**
(0,011)
-0,018
(0,013)
-0,017
(0,013)
BNP –
0,237**
(0,101)
0,217***
(0,034) –
0,194***
(0,046)
BNP2
– -0,016**
(0,006)
-0,015***
(0,002) –
-0,013***
(0,003)
HUtb – – –
-0,002
(0,011)
0,004
(0,013)
Infl – –
0,003*
(0,002)
0,001
(0,002)
-0,002
(0,002)
FDI – –
0,005***
(0,002)
0,006***
(0,002)
0,005***
(0,002)
NaRe – –
-0,010**
(0,005)
-0,008
(0,006)
-0,005
(0,006)
BiFl – –
-0,013***
(0,003)
-0,013***
(0,003)
-0,016***
(0,003)
Konstant 3,716
(0,044)
2,867
(0,397)
2,927
(0,132)
3,884
(0,061)
3,180
(0,177)
Just. R2 0,000 0,910 0,123 0,055 0,107
N 728 728 655 474 474
Antal länder 41 41 41 41 41
Antal år 23 23 23 23 23
Chi2-värde 0,162 8,068** 11,964 8,539 12,110
Modell REM FEM REM REM REM
Anm: Beroendevariabel är Gini. Samtliga variabler är logaritmerade. Standardfel presenteras inom parentes. Chi2-värde är
erhållet från respektive Hausman-test. Signifikans för konfidensintervall på 10-procentig nivå representeras av *, på
5-procentig nivå av ** och på 1-procentig nivå av ***. Resultat från resterande skattningar kan erhållas från
författarna.
Med anledning av att variablerna är logaritmerade innebär en procents ökning av respektive
oberoende variabel i genomsnitt en procents ökning eller minskning av Ginikoefficienten,
beroende på betakoefficients riktning.
31
Som tabell 4 visar antar resultatet från vårt Hausman-test för ekvation 1 ett Chi2-värde på
0,162. Värdet är dock inte signifikant vilket innebär att nollhypotesen inte kan förkastas.
Således föreligger ingen korrelation mellan modellens felterm och dess förklarande variabler.
Vidare innebär detta att REM bör användas för att skatta ekvation 1. Resultatet indikerar på
ett positivt icke-signifikant samband mellan handelsflödet och ekonomisk ojämlikhet. En
procents ökning av handelsflödet genererar en högre Ginikoefficient med i genomsnitt 0,009
procent.
När variablerna BNP samt BNP2
inkluderas i ekvation 2 visar resultatet från Hausman-testet
ett Chi2-värde på 8,068. Nollhypotesen förkastas därför till förmån för alternativhypotesen då
värdet är signifikant på en femprocentig nivå. Feltermen korrelerar således med de övriga
förklarande variablerna och modellen bör därför skattas med FEM. I likhet med skattningen
för ekvation 1 visar resultatet en icke-signifikant positiv påverkan av handelsflödet på
Ginikoefficienten. Resultatet antyder att en procents ökning av handelsflödet leder till en ökad
Ginikoefficient med i genomsnitt 0,012 procent. Variabeln BNP är signifikant positiv vilket
antyder att en ökad BNP per capita ökar ett lands ekonomiska ojämlikhet. Även
betakoefficienten för kvadrerad BNP per capita är signifikant, men indikerar motsatt
förhållande. Förekomst av ett icke-linjärt samband mellan BNP per capita och ekonomisk
ojämlikhet är därmed fallet. Följaktligen är resultatet för variablerna BNP och BNP2 i linje
med teorin bakom Kuznetskurvans inverterade U-form.
Vad gäller ekvation 3 visar Hausman-testet ett Chi2-värde på 11,964. Värdet är dock inte
signifikant varför skattningen bör ske med hjälp av REM. Samtliga oberoende variabler
uppvisar signifikans. Betakoefficienten för handelsflödet indikerar att en procents ökning av
handelsflödet leder till en högre Ginikoefficienten med i genomsnitt 0,027 procent. Både BNP
per capita och kvadrerad BNP per capita visar samma mönster som i tidigare skattning vilket
stärker indikationen att Kuznetskurvan påvisas. Betakoefficienten för inflation tyder på att en
procents ökning av inflation leder till en marginellt högre ekonomisk ojämlikhet. Detsamma
gäller för variabeln FDI. Såväl resultatet för naturresurser som för biståndsflödet indikerar att
en procents ökning av avkastningen på naturresurser respektive en procents ökning av
biståndsflödet leder till en lägre Ginikoefficient.
För ekvation 4 uppvisar Hausman-testet ett Chi2-värde på 8,539. Värdet är dock inte
signifikant och även denna ekvation bör således skattas med REM. Med anledning av att
32
variabeln Högstadieutbildning inkluderades minskade dock antalet observationer i
skattningen från 655 till 474 stycken. Resultatet är inte signifikant, men indikerar att ett ökat
handelsflöde med en procent leder till en lägre Ginikoefficienten med i genomsnitt 0,018
procent. Resultatet att handel minskar ett lands ekonomiska ojämlikhet skiljer sig åt från
resultaten från de tidigare presenterade skattningarna (1, 2, 3). Vad gäller den icke-
signifikanta variabeln Högstadieutbildning leder ökad handel till en marginellt lägre
Ginikoefficient. Inte heller inflation är signifikant, men antyder vidare att en ökad inflation
leder till en marginell ökning av ett lands ekonomiska ojämlikhet. Resultatet för variabeln
FDI visar på en signifikant ökning av ett lands ekonomiska ojämlikhet. Till skillnad från den
icke-signifikanta variabeln Naturresurser som indikerar att Ginikoefficienten blir lägre när
avkastningen på naturresurser ökar. Den signifikanta variabeln Biståndsflöde visar på samma
resultat som skattningen av ekvation 3, det vill säga att ett ökat biståndsflöde leder till en
lägre ekonomisk ojämlikhet.
För ekvation 5 används REM som skattningsmetod då Hausman-testet visar ett icke-
signifikant Chi2-värde på 12,110. I likhet med föregående skattning (4) men till skillnad från
resterande skattningar (1, 2, 3) indikerar resultatet att en ökning av den nu icke-signifikanta
variabeln Handelsflöde leder till en lägre ekonomisk ojämlikhet. I denna modell leder ett ökat
handelsflöde med en procent till en lägre Ginikoefficient med i genomsnitt 0,017 procent. De
signifikanta variablerna BNP samt BNP2 visar på samma mönster som tidigare och
överensstämmer således med samtliga hittills utförda skattningar. Till skillnad från
skattningen av ekvation 4 tyder resultatet på att en ökning av antalet inskrivna studenter på
högstadienivå genererar en högre Ginikoefficient. Ökningen är dock marginell och variabeln
är inte signifikant. Även den icke-signifikanta variabeln Inflation uppvisar ett skilt resultat
jämfört med tidigare skattningar. Skattningen tyder på att den ekonomiska ojämlikheten
minskar när inflationen ökar, dock marginellt. För den signifikanta variabeln FDI ökar
Ginikoefficienten vilket är i linje med tidigare skattningar. Även vad gäller naturresurser och
biståndsflöde är resultatet i linje med tidigare skattningar, det vill säga att en ökning av
respektive variabel leder till en lägre ekonomisk ojämlikhet. Till skillnad från resultatet för
biståndsflödet är resultatet för naturresurser dock inte signifikant.
Resultaten från de två ekvationerna som inkluderar variabeln Korruption, det vill säga
ekvation 6 och 7 presenteras i tabell 5. Skattningarna för dessa två regressioner gjordes till
skillnad från tidigare motsvarande skattningar (3, 4) med hjälp av FEM. Även detta val
33
baserades på resultatet från respektive Hausman-test där Chi2-värdena antog 18,783 samt
18,983, båda signifikanta på en fem- respektive en enprocentig nivå. Då FEM anses vara
praxis vid paneldataanalyser som omfattar länder föll det sig även därför naturligt att gå
vidare med denna metod (Verbeek, 2012).
Tabell 5 – Skattningar inklusive variabeln Korruption
Variabel (6) (7)
HaFl -0,033
(0,031)
-0,084*
(0,044)
BNP 0,268**
(0,115) –
BNP2 -0,019***
(0,007) –
HUtb –
-0,053
(0,038)
Infl -0,005**
(0,002)
-0,001
(0,003)
FDI 0,011***
(0,004)
0,014***
(0,003)
NaRe 0,002
(0,012)
0,012
(0,015)
BiFl -0,004
(0,008)
-0,008
(0,006)
Korr -0,018
(0,015)
-0,020
(0,017)
Konstant 3,068
(0,465)
4,391
(0,225)
Just. R2 0,936 0,930
N 386 294
Antal länder 41 38
Antal år 14 14
Chi2-värde 18,783** 18,983***
Modell FEM FEM
Anm: Beroendevariabel är Gini. Samtliga variabler är logaritmerade. Standardfel presenteras inom parentes. Signifikans för
konfidensintervall på 10-procentig nivå representeras av *, på 5-procentig nivå av ** och på 1-procentig nivå av ***.
Resultat från resterande skattningar kan erhållas från författarna.
Till skillnad från skattningen av ekvation 3 indikerar resultatet från skattningen av ekvation 6
att en procents ökning av handelsflödet leder till en lägre Ginikoefficient med i genomsnitt
0,033 procent. Således minskar handel den ekonomiska ojämlikheten i ett land. Dock är
variabeln inte signifikant till skillnad från skattningen exklusive korruption, det vill säga
ekvation 3. Vidare indikerar BNP samt kvadrerad BNP på förekomst av samma samband som
34
tidigare skattningar. Precis som tidigare är inflation signifikant, men resultatet indikerar nu en
marginell minskning av ett lands ekonomiska ojämlikhet vid ökad inflation. Resultatet för
variabeln FDI visar däremot att en ökning av utländska direktinvesteringar signifikant leder
till ökad ekonomisk ojämlikhet vilket är i linje med skattningen exklusive korruption.
Variabeln för naturresurser är inte signifikant och antyder att en ökad avkastning på
naturresurser marginellt ökar den ekonomiska ojämlikheten. Detta resultat skiljer sig åt från
vad skattningen exklusive korruption visade, det vill säga ekvation 3. Resultatet för
biståndsflödet är däremot i linje med tidigare skattning. Resultatet är inte signifikant, men
antyder att ett ökat biståndsflöde leder till en lägre Ginikoefficient. Inte heller variabeln
Korruption är signifikant, men tyder på att en procents ökning av måttet för korruption leder
till en lägre Ginikoefficient. Det vill säga att ett land som relativt andra länder har en lägre
korruption även har en lägre ekonomisk ojämlikhet.
Vad gäller skattningen av ekvation 7 indikerar resultatet i likhet med ekvation 6 att ett ökat
handelsflöde leder till en minskad ekonomisk ojämlikhet. Resultatet visar att en procents
ökning av handelsflödet leder till en signifikant lägre Ginikoefficient med i genomsnitt 0,084
procent. Variabeln för högstadieutbildning visar att ett större antal inskrivna elever leder till
en lägre ekonomisk ojämlikhet, dock inte en signifikant sådan. Till skillnad från skattningen
av ekvation 4 indikerar resultatet att en ökad inflation inte leder till en signifikant lägre
Ginikoefficient. Vad gäller variabeln FDI är resultatet i likhet med tidigare skattningar
signifikant och visar att en ökning av variabeln ökar ett lands ekonomiska ojämlikhet. Det
icke-signifikanta resultatet för naturresurser indikerar att en ökad avkastning resulterar i en
högre Ginikoefficient. Resultatet överensstämmer med ekvation 6, det vill säga exklusive
korruption. Att ett ökat biståndsflödet inte signifikant minskar den ekonomiska ojämlikheten
är däremot i linje med samtliga skattade modeller. Precis som för skattningen av ekvation 6
leder en relativt högre korruption till en lägre ekonomisk ojämlikhet. Variabeln är dock inte
signifikant vilket överensstämmer med föregående resultat för ekvation 6.
För de två korrelerade variablerna är BNP signifikant på en enprocentsnivå medan
Högstadieutbildning inte är signifikant. Den slutgiltiga modellen i vår studie är därför
ekvation 6, det vill säga exklusive högskoleutbildning, inklusive BNP samt korruption,
skattad med FEM. Observera att modellen varken visar på ett signifikant resultat för
variablerna Handelsflöde eller Korruption varför resultatet bör beaktas med försiktighet. Det
är dock troligt att bristen på signifikanta resultat för denna ekvation beror på att antalet
35
observationer är färre då korruption inkluderas i modellen. Det är därför troligt att ett större
urval eventuellt skulle uppnå ett signifikant resultat.
Resultatet från vår slutgiltiga modell är att handel genererar en lägre ekonomisk ojämlikhet
vilket är i linje med klassisk handelsteori. Med utgångspunkt i den klassiska teorin är det
troligt att de länder som ingår i studien i genomsnitt fördelaktigt lyckas omfördela resurser
tack vare en ökad handel. Med tanke på att utvecklingsländer generellt sett har låga kostnader
för arbetskraft kan det tänkas att de fokuserar på produktionen av varor med ett stort behov av
arbetskraft. Lönerna stiger således då omfördelning av arbetskraft sker i enlighet med
förändrad efterfrågan vilket ökar inkomsten hos den fattiga delen av befolkningen. Därmed
minskar den ekonomiska ojämlikheten i landet. Då vi i vår studie inte beaktat skilda sektorer,
med undantag för förekomst av naturresurser, är det dock utifrån vår studie inte möjligt att
konstatera om det är detta fenomen som driver vårt resultat.
Likaså är resultatet i linje med en stor del av den tidigare genomförda forskningen på
området. I likhet med vår studie kommer även Daumal (2013) fram till samma slutsats vad
gäller Brasilien. Detsamma gäller Chakrabarti (2000) som studerar ett tvärsnitt på 73 länder.
Chakrabarti antar handel som summan av export och import i relation till ett lands BNP och
mäter vidare ett lands ekonomiska ojämlikhet i enlighet med Gini-index. Ur denna aspekt är
denna studie identisk med vår. I likhet med vår studie tar även Chakrabarti hänsyn till
geografisk karaktäristik, dock storlek och närhet till grannländer snarare än avstånd till
fastlandet. Vidare finner Chakrabarti att handel leder till en lägre ekonomisk ojämlikhet
genom tillväxt. Med andra ord skulle handel stimulera ett lands ekonomiska tillväxt vilket i
sin tur minskar den ekonomiska ojämlikheten i landet. Det faktum att många likheter
föreligger mellan Chakrabartis studie och vår indikerar att denna teori möjligen kan förklara
även det resultat som vi erhåller.
Som tidigare nämnts har dock flertalet studier konstaterat att motsatt förhållande mellan
handel och ekonomisk ojämlikhet föreligger, det vill säga att handel leder till en ökad
ekonomisk ojämlikhet. Ett exempel är tidigare nämnda Topalova (2005) som till skillnad från
vår studie använder sig av förekomsten av tullar som proxy för handelsflöde. Då detta mått i
likhet med vårt syftar till att mäta i vilken utsträckning handel sker skiljer det sig dock inte
från vårt val av proxy i alltför hög grad. Vidare mäter Topalova den ekonomiska ojämlikheten
utifrån mängden konsumtion vilket skiljer sig från vårt mått, men mäter likväl ekonomisk
36
ojämlikhet som den relativa fattigdomen snarare än andelen fattiga. Topalovas studie omfattar
enbart Indien och den stora skillnaden mellan vår studie och Topalovas är således antalet
studerade länder. Indien ingår även i vårt urval vilket förstärker olikheterna i resultat. Att
studera ett enskilt land försvårar dock möjligheten att erhålla ett generaliserbart resultat då
risken är att det drivs av karaktärer specifika för det studerade landet. En aspekt som kan
tänkas förklara skillnaderna i resultat mellan våra respektive studier.
Vidare finns även studier som inte lyckats bevisa förekomst av något samband. Dollar och
Kraay (2001) finner inget systematiskt samband mellan handel och ekonomisk ojämlikhet,
men finner att handel leder till högre tillväxt som i sin tur associeras med lägre
fattigdomsnivåer. Detta knyter an till vad tidigare nämnda Chakrabarti (2000) kommer fram
till. Vidare bekräftar vår studie förekomst av Kuznetskurvan, det vill säga att ett lands
ekonomiska ojämlikhet minskar då dess BNP per capita uppnått en viss nivå. Om våra länder
i genomsnitt befinner sig på höger sida i Kuznetskurvan bör vårt resultat kunna förklaras av
att handel leder till en lägre ekonomisk ojämlikhet genom att generera en ökad tillväxt.
Med hänsyn till att de två Hausman-testen för ekvation 3 respektive 6 uppvisar skilda resultat
finns anledning att misstänka att korruption står för en stor del av den landspecifika
karaktäristiken i vårt urval. Det faktum att inkludering av korruption dessutom resulterade i
att betakoefficienten för variabeln Handelsflöde skiftade tecken från positivt till negativt
understryker betydelsen av att ta hänsyn till denna variabel. Förekomst av korruption är
således av betydelse för ett lands ekonomiska ojämlikhet vilket är i linje med Sindzingre
(2005). Det faktum att korruption tycks kunna förklara en stor del av den landspecifika
karaktäristiken som tenderar att uppstå vid skattning med paneldata kan i sin tur tänkas
förklara de skilda resultat som föreligger inom handelsrelaterad forskning. Denna aspekt ger
ytterligare stöd till teorin att handelns effekter sannolikt beror på faktorer specifika för
enskilda länder. Korruption påverkar distribueringen av vinster och förluster från bland annat
en ökad handel vilket därmed skulle generera snedvridna resultat om korruption inte
beaktades (Sindzingre, 2005). Även om vårt resultat understryker vikten av att inkludera
korruption i modellen, tycks dock graden av korruption i vårt urval av länder i genomsnitt inte
vara tillräckligt hög för att handel ska ha en negativ påverkan på ett lands ekonomiska
ojämlikhet.
37
5.2. Känslighetsanalys
För att utföra en känslighetsanalys ersatte vi den beroende variabeln Gini med ett alternativt
mått för ekonomisk ojämlikhet. Vi skapade en kvot där den inkomstandel som innehas av de
10 procent av befolkningen som erhåller högst inkomst divideras med den inkomstandel som
innehas av de 10 procent som erhåller lägst inkomst. En kvot är skapad för respektive land per
år och variabeln benämns i vår studie EKvot. Observera att måttet enbart ger en indikation på
hur ett lands ekonomiska ojämlikhet förhåller sig till resterande länders ekonomiska
ojämlikhet. Inget kan därför sägas om huruvida det faktiskt föreligger ekonomisk ojämlikhet i
ett specifikt land eller inte. En högre kvot innebär att ett land innehar en högre ekonomisk
ojämlikhet relativt andra länder. Måttet förekommer även i tidigare studier angående
ekonomisk ojämlikhet.20
Syftet med känslighetsanalysen är att undersöka robustheten i vårt
resultat angående handel. Skattningarna utfördes därför på motsvarande sätt som de ordinarie
skattningarna för ekvation 3 respektive 6 och den enda skillnaden är således den beroende
variabeln. De två ekvationerna i känslighetsanalysen utgör därför ekvation 8 samt ekvation 9
enligt följande:
EKvotit = α0 + β1HaFlit + β2BNPit + β3BNP2
it + β4Inflit + β5FDIit + β6NaReit + β7BiFlit + εit [8]
EKvotit = α0 + β1HaFlit + β2BNPit + β3BNP2
it + β4Inflit + β5FDIit + β6NaReit + β7BiFlit + β8Korrit + εit [9]
Resultatet för dessa modeller redovisas i tabell 6.
20 Se exempelvis Gold et al. (2001) samt Lobmayer och Wilkinson (2000).
38
Tabell 6 – Resultat från känslighetsanalys
Variabel (8) (9)
HaFl 0,038
(0,098)
-0,191
(0,245)
BNP 1,399***
(0,353)
0,701
(0,580)
BNP2 -0,096***
(0,023)
-0,064*
(0,035)
Infl -0,019
(0,022)
-0,029
(0,027)
FDI 0,016
(0,021)
0,052
(0,035)
NaRe -0,090*
(0,047)
0,005
(0,110)
BiFl -0,007
(0,029)
0,081
(0,062)
Korr –
-0,102
(0,223)
Konstant -2,006
(1,327)
2,593
(2,614)
Just. R2 0,067 0,850
N 274 188
Antal länder 38 38
Antal år 23 14
Modell REM FEM
Anm: Beroendevariabel är EKvot. Samtliga variabler är logaritmerade. Standardfel presenteras inom parentes. Signifikans
för konfidensintervall på 10-procentig nivå representeras av *, på 5-procentig nivå av ** och på 1-procentig nivå av
***. Resultat från resterande skattningar kan erhållas från författarna.
Känslighetsanalysens båda skattningar omfattar 38 länder, men tidsperioden och därmed även
antalet observationer skiljer sig åt beroende på om korruption ingår i ekvationen eller inte.
Anledningen till att antalet länder är färre här än vid tidigare skattningar är en konsekvens av
att tillgängligheten på data är sämre för variabeln EKvot än för variabeln Gini.
Resultatet från skattningen av ekvation 8 visar att ett ökat handelsflöde med en procent inte
leder till en signifikant högre kvot för ekonomisk ojämlikhet med i genomsnitt 0,038 procent.
Vad gäller resultatet för ekvation 9 visar det att en procents ökning av handelsflödet leder till
en icke-signifikant lägre EKvot med i genomsnitt 0,191 procent. Resultaten för båda
skattningarna i känslighetsanalysen är därmed i linje med resultaten från skattningen av
ekvation 3 respektive 6. Vårt primära resultat angående handelsflödets påverkan på
ekonomisk ojämlikhet antas därför vara robust.
39
6. Diskussion
Att resultatet från vår känslighetsanalys sammanfaller med vårt huvudsakliga resultat
indikerar att resultatet inte beror på valet av beroendevariabel, det vill säga Gini-index. Måttet
för variabeln EKvot som används i känslighetsanalysen är jämförbart med Gini-index då de
båda mäter graden av ekonomisk ojämlikhet. Följaktligen är den främsta skillnaden mellan
måtten att Gini-index tar hänsyn till hur ojämlikheten förhåller sig till perfekt jämlikhet.
Därmed visar Ginikoefficienten om det råder hög eller låg ekonomisk ojämlikhet i respektive
studerat land. Då variabeln EKvot mäts som en kvot tas ingen hänsyn till perfekt jämlikhet
varför detta mått enbart visar om den ekonomiska ojämlikheten i ett land är hög relativt ett
annat land. Detta bör beaktas när resultaten jämförs även om vi anser att de två måtten är
likvärdiga då distribueringen av inkomst tas i beaktning i båda fall. En svaghet med Gini-
index är dock att ingen skillnad görs mellan de olika typer av ojämlikhet som kan föreligga
vilket kan vara missvisande då länders Ginikoefficienter jämförs (De Maio, 2006). Trots detta
är Gini-index idag det vanligast förekommande måttet för ekonomisk ojämlikhet. Gini-index
är även det mått för ekonomisk ojämlikhet där befintlig data är minst obalanserad varpå ett
annat mått riskerar att leda till opålitliga resultat.
Med anledning av valet att mäta handelsflödet som summan av export och import i relation
till ett lands BNP begränsas studien till att enbart studera effekten av andelen handel. Därmed
tas ingen hänsyn till varken i vilket led i produktionskedjan som handel sker eller eventuella
konsekvenser av om ett land är nettoexportör eller -importör. Trots att varken tullar eller icke-
tariffära handelshinder studerats menar vi dock att vårt mått i viss mån tar hänsyn till detta. På
grund av att såväl tariffer som icke-tariffära handelshinder begränsar handeln beaktas detta
genom att vi studerar andelen handel som äger rum. I vilket led i produktionskedjan som
handel sker eller om ett land är nettoexportör eller -importör kan tänkas påverka
konsekvenserna av en ökad handel och det är därför en intressant aspekt att beakta vid
framtida forskning på området.
Vad gäller användandet av paneldata finns fördelar med att studera ett större antal länder trots
den kritik som föreligger (Hertel och Reimer, 2002). Bland annat möjligheten att erhålla ett
mer generellt resultat än vad som är fallet vid studier över enskilda länder. En annan fördel är
att ett större stickprov kan studeras. Ett stort stickprov medför att eventuella outliers inte
påverkar resultatet i lika hög grad som vid ett litet stickprov. Genom att exkludera mindre ö-
40
stater samt länder som varit krigsdrabbade under en längre tid minskade vi risken för
förekomst av outliers. Trots detta tyder dock vår data på förekomst av outliers. Då vi inte
exkluderade outliers föreligger därför en viss risk att resultaten är snedvrida av denna
anledning. Exkludering av outliers hade dock resulterat i ett mindre stickprov vilket hade
påverkat robustheten i vårt resultat. Vi prioriterade därför ett större stickprov för att uppnå en
så hög statistisk signifikans som möjligt (Verbeek, 2012).
Vidare har tillgängligheten på data delvis begränsat möjligheten att inkludera ett antal
kontrollvariabler som vi anser är av intresse. Ett exempel är högskoleutbildning för att
närmare ta i beaktning den inverkan studier på eftergymnasial nivå har på ekonomisk
ojämlikhet. En befolkning med hög utbildning bör ha större påverkan på ett lands ekonomiska
ojämlikhet än vad en lågutbildad befolkning har. Denna aspekt bekräftas av Checchi (2001)
som finner att utbildning på högre nivå genererar högkvalificerad arbetskraft med högre löner.
Att vårt resultat av denna anledning är speglat av omitted variable bias är inte otroligt.21
Problemet är vanligt förekommande vid studier i nationalekonomi och svårt att undvika. Vi
vill dock understryka att vår studie omfattar ett större antal kontrollvariabler än vad som varit
fallet i en stor del av tidigare genomförd forskning på området. Ytterligare en variabel att
överväga för inkludering är klimat eftersom att många utvecklingsländer till stor del är
beroende av sin jordbrukssektor. Denna sektor är känslig för väderförhållanden och det är
även där den största delen av ett lands fattiga del av befolkningen ofta arbetar (Bouët, 2008).
Vidare är flertalet av de variabler som ingår i studien proxy-variabler och därmed ungefärliga
mått på det som önskas mätas. Att resultatet är snedvridet med anledning av detta är svårt att
undvika och det föreligger således en risk att vårt resultat är speglat av omitted variable bias
även av denna anledning. Vad gäller vårt val av proxy för naturresurser är det troligt att den
eventuella effekten som naturresurser har på ett lands ekonomiska ojämlikhet är olika
beroende på typ av naturresurs. Vår proxy omfattar en stor variation av produkter och
inkluderar flertalet sektorer. Såväl olja som skog och mineraler ses här som en enda faktor
och omfattar därför sektorer mycket olika i både produktion och känslighet för exempelvis
väderförhållanden. Det är därför troligt att vår proxy inte är den bästa och således kan orsaka
omitted variable bias. Att istället inkludera dummy-variabler för respektive sektor hade
21 Omitted variable bias uppstår då en variabel som påverkar den beroende variabeln inte inkluderas i modellen. Resultatet
blir därmed snedvridet.
41
kunnat vara ett alternativ och något för framtida forskning att undersöka. Vad gäller vår proxy
för institutionell kvalitet är det problematiskt att finna ett bra mått, inte minst på grund av att
relevant data inte finns insamlad från tidigare år än år 1996. Förekomst av ett bättre mått med
en större tillgänglighet på data under en längre tidsperiod hade möjligen gett ett mer robust
resultat och öppnat upp för en mer konkret analys.
Dessutom bör risken för att vårt resultat är speglat av mätfel beaktas. Inte minst med
anledning av att studiens empiri utgörs av sekundärdata som i vissa fall är baserad på
nationella enkäter. Utformningen av nationella enkäter kan skilja sig åt mellan länder precis
som inställningen till och uppfattningen om olika frågor. Eventuella mätfel är därför utom vår
kontroll och en oundviklig risk vid studiens genomförande. Då även en stor del av tidigare
forskning har utgått från sekundärdata och därmed stött på samma problem menar vi dock att
detta inte är en svaghet unik för vår studie.22
Ur denna aspekt är vårt resultat således
jämförbart med tidigare forskning.
Tidigare studier har konstaterat förekomst av så kallade tröskeleffekter.23
Le Goff och Singh
(2013) menar att landspecifika karaktärer är betydande för att handel ska generera positiva
konsekvenser. Även om vi i vår studie inte har studerat förekomst av tröskeleffekter för andra
variabler än BNP, samtycker vi dock med tidigare forskning angående att tröskeleffekter kan
tänkas ligga bakom landspecifik karaktäristik. Då landspecifik karaktäristik i sin tur troligen
ligger bakom orsakerna till att det inom forskningen på området inte förekommer konsensus
är denna aspekt även viktig ur policysynpunkt. Ett stort behov av att uppnå en enad syn på
handelns effekter på samhället föreligger. Vi understryker därför vikten av att fler studier
angående handel och ekonomisk ojämlikhet genomförs där hänsyn tas till tröskeleffekter.
Därigenom kan en möjlig grund skapas för att på sikt åstadkomma samförstånd även inom
den politiska debatten.
22 Se exempelvis Le Goff och Singh (2013) och Bouët (2008). 23 Se exempelvis Sindzingre (2005) och Checchi (2001).
42
7. Slutsats
Resultatet från vår studie tyder på att en ökad handel leder till en minskad ekonomisk
ojämlikhet i utvecklingsländer. Dock är vårt resultat inte tillräckligt signifikant för att en
konkret slutsats ska kunna dras. Även om en betydande del av den handelsrelaterade
forskningen påvisar motsatsen är vårt resultat i linje med en stor del av den tidigare forskning
som genomförts på området. Vidare menar vi att bristen på konsensus inom forskningen kan
tänkas bero på hur en studie utförts i egenskap av hur ekonomisk ojämlikhet och handel
definierats samt vilka länder som ingått i studien. Resultatet tyder dessutom på att korruption
är en viktig faktor även om variabeln inte uppvisar signifikans i vår studie.
Med utgångspunkt i det resultat vi erhållit och den oenighet angående handelns effekter som
föreligger både inom tidigare forskning på området samt i samhällsdebatten menar vi att
handelns påverkan på ekonomisk ojämlikhet är i behov av ytterligare studier. Inte minst då
ämnet är viktigt ur en utvecklingssynpunkt och med tanke på att dagens globala ekonomi blir
alltmer komplex. Fortsättningsvis är det även av intresse att utforska konsekvenserna av
korruption för att säkerhetsställa dess effekt på sambandet mellan handel och ekonomisk
ojämlikhet. Därtill är det av betydelse att studera andra robusta mått på institutionell kvalitet
för att undersöka att det inte enbart är vårt val av proxy som står för denna effekt. Följaktligen
är det nödvändigt att skapa ett mått där möjligheten att erhålla balanserad data är större än i
dagsläget.
Ur policysynpunkt understryker vi vikten av noggranna och djupgående analyser av handelns
konsekvenser för varje enskilt utvecklingsland innan ett handelsavtal utformas. För att ta
hänsyn till att landspecifik karaktäristik kan påverka handelns effekter bör även betydelsen av
tröskeleffekter beaktas. Därmed menar vi att investeringar för att förbättra de faktorer som
uppvisar tröskeleffekter bör genomföras innan ett handelsavtal implementeras. Våra resultat
tyder även på att policyåtgärder för att motverka korruption är av betydelse. Därigenom kan
de möjligheter som handel under de bästa av förutsättningar faktiskt tycks öppna upp för
tillvaratas.
43
Referenser
Acemoglu, D.; Johnson, S.; Robinson, J. (2005). The rise of Europe: Atlantic trade,
institutional change, and economic growth. I: American Economic Review, vol. 95, nr. 3, s.
546-579.
Albanesi, S. (2007): Inflation and Inequality. I: Journal of Monetary Economics, 2007, vol.
54, s. 1088-1114.
Barro, R. J. (2008): Inequality and Growth Revisited. Working Paper Series on Regional
Economic Integration, nr 11. Asian Development Bank.
Barro, R. J. (2000): Inequality and growth in a panel of countries. I: Journal of Economic
Growth, 2000, nr. 5, s. 5-32.
Batu M.; Asongu S. A. (2014): The Impact of Liberalization Policies on Income Inequality in
African Countries, Journal of Economic Studies, 2015, vol. 42, nr. 1, s. 68-100.
Bhagwati, J.; Srinivasan, T.N. (2002): Trade and Poverty in the Poor Countries. I: The
American Economic Review, vol 92, nr. 2, s. 180-183.
Brenner, Y.S.; Kaelbe, H.; Thomas, M. (1991): Income Distribution in Historical Perspective.
Cambridge: Cambridge University Press.
Bouët, A. (2008): The Expected Benefits of Trade Liberalization for World Income and
Development. International Food Policy Research Institute (IFPRI).
Bowles, S.; Durlauf, S.N.; Hoff, K. (2006): Poverty Traps, I: Princeton University Press, s.
116-138.
Campbell, B.; Jeffrey, S.; Kozanayi, W.; Luckert, M.; Mutamba, M.; Zindi, C. (2002):
Household Livelihoods in Semi-Arid Regions. Options and Constraints. Centre for
International Forestry Research (CIFOR), Bogor.
Chakrabarti, A. (2000): Does Trade Cause Inequality? I: Journal of Economic Development,
2000, vol. 25, nr. 2.
Checchi, D. (2001): Education, inequality and income inequality. SARP, 52. Suntory and
Toyota International Centres for Economics and Related Disciplines, London School of
Economics and Political Science, London.
Choi, C. (2004): Foreign Direct Investment and Income Convergence, I: Applied Economics,
2004, vol. 36, nr. 10, s. 1045-1049.
Chong, A.; Gradstein, M. (2007): Inequality and institutions. I: The Review of Economics and
Statistics, vol. 89, nr.3, s. 454-465.
44
Daumal, M. (2013): The impact of trade openness on regional inequality: The cases of India
and Brazil. I: The International Trade Journal, nr. 23, s. 243-280.
Davis, D.; Mishra, P. (2007): Stolper-Samuelson is Dead and Other Crimes of Both Theory
and Data, National Bureau of Economic Research.
Deardoff, V. A. (1998): Determinants of Bilateral Trade: Does Gravity Work in a
Neoclassical World? I: National Bureau of Economic Research, nr. The Regionalization of
the World Economy, s. 7-31.
De Maio, F. D., (2006): Income Inequality Measures. I: Journal of Epidemiol Community
Health, 2007, vol. 61, nr. 10, s. 849-852.
De Melo, J., Gourdon, J. och Maystre, N. (2006): Openness, Inequality and Poverty:
Endowements Matter. I: CEPR Discussion Papers, nr. 5838, Center for Economic Research,
London.
Dollar, D.; Kraay, A. (2001): Growth is Good for the Poor, I: Journal of Economic Growth,
vol. 7, s. 195-225, Kluwer Academic Publishers.
Goldberg, P. K.; Pavcnik, N. (2007): Distributional Effects of Globalization in Developing
Countries, National Bureau of Economic Research, Working paper 12885.
Gold, R.; Kawachi, I.; Kennedy, B. P.; Lynch J.W.; Connell, F.A. (2001): Ecological analysis
of teen birth rates: association with community income and income inequality. Maternal and
Child Health Journal, 2001, vol. 5, nr. 3, s. 167-167.
Grimalda, G; Vivarelli, M. (2004): One or Many Kuznets Curves? Short and Lond Run
Effects of the Impact of Skill-Biased Technological Change on Income Inequality. Working
paper. Leibniz Information Centre for Economics
Hall, R.E.; Jones, C.I. (1999): Why do some countries produce so much more output per
worker than others? I: The Quarterly Journal of Economics, vol. 114, nr. 1, s. 83-116.
Hanson, G.H.; Harrison, A. (1999): Trade Liberalization and Wage Inequality in Mexico. I:
Industrial and Labor Relations Review, 1999, vol. 52, nr 2, s. 271-288.
Hertel, T.; Reimer, J. (2002): Predicting the Poverty Impacts of Trade Reform. GTAP
Working Paper No 20.
Herzer, D.; Hühne, P.; Nunnenkamp, P. (2014): FDI and Income Inequality–Evidence from
Latin American Economies. Review of Development Economics, 2014, vol. 18, nr. 4, s. 778-
793.
Huang, HCR. (2004): A flexible nonlinear inference to the Kuznets hypothesis, I: Economics
letters, 2004, vol 84, nr. 2, s. 289-296.
Kaufmann, D., Kraay, A., Mastruzzi, M. (2010): The Worldwide Governance Indicators –
Methodology and Analytical Issues. Policy research Working paper, The World Bank, 2010.
45
Kommerskollegium (2015): Handelspolitiskt ABC. Internet:
http://kommers.se/Handelspolitiskt-ABC/?q=multi (2015-05-22).
Kommerskollegium (2014): Inget WTO-avtal om förenklade handelsprocedurer. Internet:
http://www.kommers.se/nyheter/Forcerade-nyheter/Inget-WTO-avtal-om-forenklade-
handelsprocedurer/ (2015-05-22).
Kommerskollegium (2013): WTO:s uppgörelse vid ministermötet på Bali. Internet:
http://www.kommers.se/Kommerskollegium-om/WTOs-uppgorelse-vid-ministermotet-pa-
Bali/ (2015-05-22).
Kommerskollegium (2009): Öppen handel eller protektionism? Utvecklingen sedan 1995.
Internet:
http://www.kommers.se/Documents/dokumentarkiv/publikationer/2009/skriftserien/rapport-6-
oppen-handel-eller-protektionism.pdf (2015-03-10).
Krugman, P.R; Obsfeld M.; Melitz M.J. (2011): International Economics Theory & Policy.
Essex: Pearson Education Limited.
La Porta, R.; Lopez-de-Silanes, F.; Shleifer, A.; Vishny, R. (1999): The quality of
government. I: Journal of Law, Economics and Organization, vol. 15, nr. 1, s. 222–279.
Le Goff, M.; Singh, R. J. (2013): Does Trade Reduce Poverty? - A View from Africa, Policy
research working paper 6327. The World Bank, Poverty Reducation and Economic
Management Unit.
Lobmayer, P.; Wilkinson, R. G. (2000): Income, inequality and mortality in 14 developed
countries. I: Sociology of Health & Illness, 2000, vol. 22, nr. 4, s. 414-414.
Meschi, E.; Vivarelli, M. (2008): Trade and Income Inequality in Developing countries. I:
World Development, Elsevier, 2009, vol. 37, nr. 2, s. 287-302.
Neumann, R. P.; Hirsch, E. (2000): Commercialization of non-timber forest products: Review
and analysis of research. Centre for International Forestry Research (CIFOR), Bogor.
OECD (2015): DAC Glossary of Key Terms and Concepts. Internet:
http://www.oecd.org/dac/dac-glossary.htm#ODA (2015-05-26).
OECD (2013): DAC List of ODA Recipients – Effective for reporting on 2012 and 2013
flows.
http://www.oecd.org/dac/stats/documentupload/DAC%20List%20used%20for%202012%20a
nd%202013%20flows.pdf (2015-02-01).
Oxfam (2014): Even It Up – Time to End Extreme Inequality. Oxfam International.
Ray, D. (1998): Development Economics. Princeton: Princeton Press.
Regeringskansliet (2015): TTIP. Internet: http://www.regeringen.se/sb/d/19748 (2015-05-22).
46
Saidon, R.; Yusop, Z.; Ismail, N.W.; Hook, L.S. (2013): Sectoral Foreign Aid and Income
Inequality. International Journal of Economics and Finance, 2013, vol. 5, nr. 9.
Shackleton, S. (2005): The Significance of the Local Trade in Natural Resource Production
for Livelihoods and Poverty Alleviation in South Africa. Rhodes University.
Shaifullah, M. (2011): Foreign and its Impact on Income Inequality. I: International Review
of Business Research Papers, 2011, vol. 7, nr. 2, s. 91-105.
Sindzingre, A. (2005): Explaining Threshold Effects of Globalization on Poverty: An
Institutional Perspective. UNU-Wider Research Paper, Nr. 2005/53.
Solt, F. (2014): Standardized World Income Inequality Database. Working paper. SWIID
Version 5.0, oktober 2014.
Tebaldi, E.; Mohan, R. (2010): Institutions and poverty. I: Journal of Development Studies,
vol. 46, nr. 6, s. 1047-1066.
The Equality Trust (2015): About Inequality. Internet: http://www.equalitytrust.org.uk/about-
inequality/effects (2015-05-20).
The International Bank for Reconstruction and Development och Världsbanken (2008):
Improving Trade and Transport for Landlocked Developing Countries – World Bank
contributions to implementing the Almaty Programme of Action.
Themnér, L.; Wallensteen, P. (2014) Armed Conflict, 1946-2013. Journal of Peace Research,
vol. 51, nr. 4.
Todaro, M. P.; Smith, S. C. (2011): Economic Development. Essex: Pearson Education
Limited.
Topalova, P. (2005): Trade Liberalization, Poverty and Inequality Evidence from Indian
Districts. Working Paper 11614, Bureau of Economic Research.
UNESCO Institute for Statistics (2013). Internet:
http://data.uis.unesco.org/Index.aspx?queryid=128# (2015-03-15).
Verbeek, M. (2012): A Guide to Modern Econometrics. Hoboken: WILEI.
Vetenskapsrådet (2011): God forskningsed. Internet: https://publikationer.vr.se/produkt/god-
forskningssed/ (2015-04-20).
Världsbanken (2015): Ending Extreme Poverty. Internet:
http://www.worldbank.org/en/publication/global-monitoring-report/report-card/twin-
goals/ending-extreme-poverty (2015-05-21).
Världsbanken (2014): World Development Indicators 2014. Washington, DC: World Bank.
doi:10.1596/978- 1-4648-0163-1. License: Creative Commons Attribution CC BY 3.0 IGO.
47
Winters, A. (2002): Trade Liberalization and Poverty: What are the links? The World
Economy, 2002, vol. 25, nr. 9, s. 1339-1367.
World Trade Organization (2015a): Who we are. Internet:
https://www.wto.org/english/thewto_e/whatis_e/who_we_are_e.htm (2015-03-06).
World Trade Organization (2015b): The Doha Round. Internet:
https://www.wto.org/english/tratop_e/dda_e/dda_e.htm (2015-05-21).
World Trade Organization (2015c): Aid for Trade. Internet:
https://www.wto.org/english/tratop_e/devel_e/a4t_e/aid4trade_e.htm (2015-05-21).
World Trade Organization (2014a): International Trade Statistics 2014. Internet:
https://www.wto.org/english/res_e/statis_e/its2014_e/its2014_e.pdf (2015-05-20).
World Trade Organization (2014b): Azevêdo: Members unable to bridge the gap on trade
facilitation. Internet:
https://www.wto.org/english/news_e/news14_e/tnc_infstat_31jul14_e.htm (2015-05-21).
48
Bilaga A – Kuznetskurvan
Kuznetskurvan visar förhållandet mellan ekonomisk ojämlikhet mätt enligt Gini-index och
BNP per capita. Kurvans U-form innebär att en ökad inkomst initialt leder till en ökad
ekonomiskt ojämlikhet. Då BNP per capita uppnått ett visst värde är sambandet däremot det
motsatta och en ökad BNP per capita leder då istället till en lägre ekonomisk ojämlikhet. Det
är detta icke-linjära samband som även benämns tröskeleffekt (Krugman et al. 2011).
Figur 2 – Kuznetskurvan
Anm: Observera att diagrammet är ett exempel och inte utgår ifrån den data som studien omfattar.
0
10
20
30
40
50
60
0 500 1000
Gini-index
BNP per capita
49
Bilaga B – Länder i enlighet med DAC:s lista
Tabell 7 – Mottagare av ODA i enlighet med DAC:s lista
Minst utvecklade länder Låginkomstländer Lägre medelinkomstländer
och territorier
Högre medelinkomstländer
och territorier Afghanistan (c) Kenya Armenien (b) Albanien (a)
Angola (c) Kirgizistan (b) Belize Algeriet
Bangladesh Korea (a) Bolivia (b) Anguilla*
Benin Tadjikistan (b) Egypten Antigua och Barbuda (d)
Bhutan (b) Zimbabwe (b) Elfenbenskusten (f) Argentina
Burkina Faso (b) El Salvador Azerbajdzjan (a)
Burundi (b) Fiji (d) Bosnien och Hercegovina (b)
Centralafrikanska republiken (b) Filippinerna (a) Botswana (b)
Chad (b) Georgien (b) Brasilien
Demokratiska republiken Kongo
(b) (c) Ghana Chile
Djibouti Guatemala Colombia (c)
Ekvatorial Guinea (f) Guyana Cooköarna (d)
Eritrea (c) Honduras Costa Rica
Etiopien (b) Indien Dominica (d)
Gambia Indonesien Dominikanska republiken (a)
Guinea Irak (b) Ecuador
Guinea-Bissau (f) Kamerun Gabon (f)
Haiti (f) Kap Verde (d) Grenada (d)
Jemen (a) Kosovo (b) Iran (a)
Kambodja (c) Marocko Jamaica
Kiribati (d) Marshallöarna (a) Jordanien (b)
Komorerna (d) Mikronesien (d) Kazakstan (b)
Laos (b) Moldavien (b) Kina
Lesotho (b) Mongoliet (b) Kuba (f)
Liberia (a) Nicaragua (c) Libanon (c)
Madagaskar Nigeria (c) Libyen (c)
Malawi (b) Pakistan (c) Malaysia
Mali (b) Papua Nya Guinea (a) Maldiverna (d)
Mauretanien Paraguay (b) Makedonien (b)
Moçambique Republiken Kongo (c) Mauritius (e)
Myanmar (f) Sri Lanka (c) Mexiko
Nepal (b) Swaziland (b) Montenegro (g)
Niger Syrien (c) Montserrat*
Rwanda (b) Tokelauöarna* Namibia
Salomonöarna (d) Tonga (d) Nauru (a)
Samoa (a) Turkmenistan (b) Niue (a)
São Tomé och Príncipe (d) Ukraina (a) Palau (a)
Senegal Uzbekistan (b) Panama (a)
Sierra Leone (c) Vietnam Peru
Somalia (f) Västbanken och Gazaremsan (a)(c)
Saint Helena*
Sudan (c) Saint Lucia (d)
Sydsudan (b) Saint Kitts och Nevis (d)
Tanzania Saint Vincent och Grenadinerna
(d)
Togo Serbien (a)
Tuvalu (d) Seychellerna (d)
Uganda (b) Surinam
Vanuatu (d) Sydafrika
Zambia (b) Thailand (a)
Östtimor (f) Tunisien
Turkiet (a)
Uruguay
Venezuela
Vitryssland (a)
Wallis och Futuna*
Anm: Gäller för 2012/2013 års flöden (OECD 2013). Länder som inkluderats i studien är markerade med fet stil. För
exkluderade länder gäller följande: territorier är märkta med *, länder som inte är forna europeiska kolonier är
markerade med (a), länder som inte är kuststater är markerade med (b), krigsdrabbade länder är markerade med (c), ö-
stater vars BNP inte överstiger två miljarder är markerade med (d), ö-stater vars avstånd till fastlandet är längre än 1
50
500 km är markerade med (e). Slutligen är de länder som exkluderats på grund av brist på data är markerade med (f)
medan de länder som inte erkänts förrän under 2000-talet är markerad med (g). Låginkomstländer innebär ett BNI per
capita på mindre än 1 005 dollar. Lägre medelinkomstländer innebär ett BNI per capita på 1 006 - 3 975 dollar. Högre
medelinkomstländer innebär ett BNI per capita på 3 976 - 12 275 dollar. Samtliga mått enligt 2010 års dollarkurs
(OECD 2013).
51
Bilaga C – Lorenzkurvan
Gini-index är ett index som visar hur ojämlikt ett lands inkomstdistribution är (Todaro och
Smith, 2011). Indexet utgörs av en koefficient per land som bestäms med hjälp av
Lorenzkurvan. Lorenzkurvan presenteras i figur 3 där Ginikoefficienten utgörs av arean A
mellan Lorenzkurvan och jämlikhetslinjen dividerat med den totala arean under
jämlikhetslinjen. Ginikoefficienten utgörs därmed av en kvot som varierar mellan 0 och 1
alternativt 0 och 100 vilket är fallet i vår studie. Om ett land är perfekt jämlikt har landet
Ginikoefficienten 0 medan ett perfekt ojämlikt land har Ginikoefficienten 100. Ju större area
A är desto mer ojämlik är distribueringen av inkomst. Vid fullständig ekonomisk jämlikhet
infinner sig landet på den teoretiska jämlikhetslinjen (Todaro och Smith, 2011).
Figur 3 – Lorenzkurvan
Anm: Ett lands Ginikoefficient utförs av arean A mellan jämlikhetslinjen och Lorenzkurvan dividerat med den totala arean
under jämlikhetslinjen. Ju större area A är desto högre ekonomisk ojämlikhet råder (Todaro och Smith, 2011).
Pro
cen
tan
del
av
in
ko
mst
Procentandel av population 100
0
A
Jämlikhetslinje
Lorenz-kurvan
100
52
Bilaga D – Korrelationsmatris för oberoende variabler
Tabell 8 – Korrelationsmatris för oberoende variabler
Anm: Ett värde över 0.7 innebär att korrelationen mellan variablerna är av så pass hög grad att en av dessa variabler bör
exkluderas ur modellen (Verbeek, 2012).
HaFl BNP LUtb HUtb Infl FDI NaRe BiFl Korr
HaFl 1,000
BNP -0,046 1,000
LUtb -0,007 0,266 1,000
HUtb -0,008 0,701 0,577 1,000
Infl -0,051 0,066 0,057 0,061 1,000
FDI 0,321 -0,040 -0,009 -0,141 -0,070 1,000
NaRe -0,030 0,063 0,018 0,024 0,245 0,132 1,000
BiFl 0,400 -0,400 -0,289 -0,454 -0,134 0,331 -0,072 1,000
Korr 0,217 0,430 0,218 0,442 -0,105 0,127 -0,238 -0,064 1,000
